Front row seat: The role MMI assessors play in widening access to medical school
Notice bibliographique
Résumé
BACKGROUND: While many medical schools utilize the Multiple Mini-Interview (MMI) to help select a diverse student body, we know little about MMI assessors' roles. Do MMI assessors carry unique insights on widening access (WA) to medical school? Herein we discuss the hidden expertise and insights that assessors contribute to the conversation around WA. METHODS: Ten MMI assessors (1-10 years' experience) participated in semi-structured interviews exploring factors influencing equitable medical school recruitment. Given their thoughtfulness during initial interviews, we invited them for follow-up interviews to gain further insight into their perceived role in WA. Fourteen interviews were conducted and analyzed using a thematic analysis approach. RESULTS: Assessors expressed concerns with diversity in medicine; dissatisfaction with the status quo fueled their contributions to the selection process. Assessors advocated for greater diversity among the assessor pool, citing benefits for all students, not only those from underrepresented groups. They noted that good intentions were not enough and that medical schools can do more to include underrepresented groups' perspectives in the admissions process. CONCLUSION: Our analysis reveals that MMI assessors are committed to WA and make thoughtful contributions to the selection process. A medical school selection process, inclusive of assessors' expertise is an important step in WA.
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 | 0,003 | 0,107 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,256 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».