Development and Assessment of the Multiple Mini-Interview in a School of Pharmacy Admissions Model
Notice bibliographique
Résumé
Objective. To describe the development, implementation, and evaluation of the multiple mini-interview (MMI) within a PharmD admissions model. Methods. Demographic data and academic indicators were collected for all candidates who participated in Candidates’ Day (n = 253), along with the score for each MMI station criteria (7 stations). A survey was administered to all candidates that completed the MMI and another survey was administered to all interviewers to examine perceptions of the MMI. A three-facet multifaceted Rasch measurement (MFRM) analysis was completed to determine interviewer severity, candidate ability, and MMI station difficulty using data from Chapel Hill and Asheville. Data for the Asheville MFRM included both 2013-2014 and 2014-2015 admission cycles while the Chapel Hill MFRM analyzed data from the 2013-2014 cycle alone. Results. Analyses suggest that MMI stations assessed different attributes as designed, with Cronbach’s alpha for each station ranging from 0.90 to 0.95. All correlations between MMI station scores and academic indicators were negligible (rp ≤ 0.2). No significant differences in average station scores were found based on age, gender, or race. Surveys indicated the MMI was generally considered acceptable by candidates and faculty. The MFRMs found differences in candidate ability explained 36-45% of the variance in MMI scores while differences in interviewer severity explained 9-16% of the variance in MMI scores. Conclusion. This study provides additional support for the use of the MMI as an admissions tool in pharmacy education.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».