The Prevalence of Imposter Phenomenon in (Post)graduate Medical Education
Notice bibliographique
Résumé
Abstract Phenomenon Imposter phenomenon (IP) is the feeling of inadequacy despite demonstrating external standards of success. Few studies have broadly examined the prevalence of IP in resident-physicians. This study assessed the prevalence of self-reported IP in resident-physicians, exploring the correlation of demographic risk factors and feelings of IP. Approach All residents, across all years of training and programs at McMaster University during the 2019-2020 academic year were recruited to complete a self-report survey. Survey items gathered demographic information and measured self-reported feelings of IP and Clance Imposter Phenomenon Scale (CIPS) scores. Findings 519 out of 977 (53.1%) individuals completed the survey. Measured by the CIPS, clinically significant IP occurred in 59.2% (n=307) of participants. After completing the CIPS, participants self-reported feelings of low (25.0%, n=130), medium (41.9%, n=218), high (19.0%, n=99), and intense (3.7%, n= 19) IP. 64.9% (n=337) of respondents felt they hid feelings of IP during residency. 62.4% (n=324) of respondents were unaware of resources available to them as they struggled with feelings of IP. Only female gender was associated with IP (p <0.001). Insights IP is highly prevalent across a broad range of residents, independent of clinical discipline and most demographics. Educators and administrators should attend to IP by normalizing the discussion of IP and ensuring adequate access to resources for support.
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 | 0,011 |
| 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 | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».