MétaCan
Menu
Retour à la cohorte
Enregistrement W4321790228 · doi:10.3390/healthcare11050657

Choosing Alternative Career Pathways after Immigration: Aspects Internationally Educated Physicians Consider when Narrowing down Non-Physician Career Choices

2023· article· en· W4321790228 sur OpenAlexaffabout
Nashit Chowdhury, Deidre Lake, Tanvir Chowdhury Turin

Notice bibliographique

RevueHealthcare · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensAlberta Medical AssociationUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésImmigrationCareer PathwaysPsychologyCareer developmentMedicineMedical educationFamily medicinePolitical science

Résumé

récupéré en direct d'OpenAlex

Many developed countries admit internationally educated physicians (IEPs) as highly skilled migrants. The majority of IEPs arrive with the intention of becoming licensed physicians to no avail, resulting in underemployment and underutilization of this highly skilled group of people. Alternative careers in the health and wellness sector provide IEPs opportunities to use their skills and reclaim their lost professional identity; however, this path also includes great challenges. In this study, we determined factors that affect IEPs' decisions regarding their choice of alternative jobs. We conducted eight focus groups with 42 IEPs in Canada. Factors affecting IEPs' career decisions were related to their individual situations and tangible aspects of career exploration, including resources and skills. A number of factors were associated with IEPs' personal interests and goals, such as a passion for a particular career, which also varied across participants. Overall, IEPs interested in alternative careers took an adaptive approach, largely influenced by the need to earn a living in a foreign country and accommodate family needs and responsibilities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0090,003
Communication savante0,0040,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,070
Tête enseignante GPT0,392
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcareMême sujetGlobal Health Workforce IssuesTravaux en français237 207