MétaCan
Menu
Retour à la cohorte
Enregistrement W4394898027 · doi:10.2196/54532

A/B Testing of User Enrollment Forms to Enhance Diversity in the Biomedical Workforce via the National Research Mentoring Network: User-Centered Design Case Study

2024· article· en· W4394898027 sur OpenAlexvenueno aff
Toufeeq Ahmed Syed, Erika L. Thompson, Jay Johnson, Zainab Latif, Nan Kennedy, Damaris Javier, Katie Stinson, Jamboor K. Vishwanatha

Notice bibliographique

RevueJMIR Human Factors · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of General Medical Sciences
Mots-clésDiversity (politics)WorkforceWorkforce diversityComputer sciencePsychologyMedical educationKnowledge managementMedicineSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Background: The National Research Mentoring Network (NRMN) is a National Institutes of Health-funded program for diversifying the science, technology, engineering, math, and medicine research workforce through the provision of mentoring, networking, and professional development resources. The NRMN provides mentoring resources to members through its online platform-MyNRMN. Objective: MyNRMN helps members build a network of mentors. Our goal was to expand enrollment and mentoring connections, especially among those who have been historically underrepresented in biomedical training and the biomedical workforce. Methods: To improve the ease of enrollment, we implemented the split testing of iterations of our user interface for platform registration. To increase mentoring connections, we developed multiple features that facilitate connecting via different pathways. Results: Our improved user interface yielded significantly higher rates of completed registrations (P<.001). Our analysis showed improvement in completed enrollments that used the version 1 form when compared to those that used the legacy form (odds ratio 1.52, 95% CI 1.30-1.78). The version 2 form, with its simplified, 1-step process and fewer required fields, outperformed the legacy form (odds ratio 2.18, 95% CI 1.90-2.50). By improving the enrollment form, the rate of MyNRMN enrollment completion increased from 57.3% (784/1368) with the legacy form to 74.5% (2016/2706) with the version 2 form. Our newly developed features delivered an increase in connections between members. Conclusions: Our technical efforts expanded MyNRMN's membership base and increased connections between members. Other platform development teams can learn from these efforts to increase enrollment among underrepresented groups and foster continuing, successful engagement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,317
Score d'incertitude au seuil0,492

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,309
Tête enseignante GPT0,476
Écart entre enseignants0,167 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Human FactorsMême sujetMentoring and Academic DevelopmentTravaux en français237 207