Investigating the Relationship between Multiple Mini-Interview Communication Skills Outcomes and First-Year Communication Skills Performance and Reflections in Students at the Ontario Veterinary College
Notice bibliographique
Résumé
Abstract An important outcome for veterinary education is ensuring that graduates can provide an appropriate level of care to patients and clients by demonstrating core competencies such as communication skills. In addition, accreditation requirements dictate the need to assess learning outcomes and may drive the motivation to incorporate relevant and appropriate methods of entry assessments for incoming students. Predicting the success of Doctor of Veterinary Medicine (DVM) students based on entry assessment performance has been scantly investigated and can be challenging. Specifically, no research presently exists on predicting DVM students’ first-year performance in relation to communication skills at the time of program entry. Objectives of this exploratory study were to investigate (a) the relationship between communication skills outcomes from multiple mini-interview (MMI) data and first-year academic performance related to communication and (b) the relationship between communication skills outcomes from MMI data and self-reported first-year communication reflections. A retrospective single-class study was conducted. Data were analyzed using descriptive statistics, correlation statistics, regression models, and paired t -tests to identify relationships among variables. Paired t -tests showed that students felt more prepared to meet second-year expectations over first-year expectations. Spearman’s correlation revealed an association between MMI communication scores and one pre–year 1 survey question related to professionalism. No relationships were observed between MMI communication scores and marks from a self-reflection assignment in a communications course, or grades from a clinical medicine course that included clinical communication. The merit for further exploration of the relationship between communication competencies and student performance is discussed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».