A scoping review of Fit in medical education: a guaranteed success, or a threat to inclusivity?
Notice bibliographique
Résumé
Background: Finding applicants that fit in with educational environments is a goal of many educators in hopes that it will lead to successful training. "Fit" is used colloquially to describe a general feeling, however the field of study has grown to include specific terms describing the compatibility between people and their environments, organizations, and jobs. Despite common use, the term is used often but non-specifically in medical education. This review aims to examine the current literature of fit in medical education, how fit is defined, measured and whether it correlates to educational outcomes. Methods: A systematic database search was conducted in 2024 with Medline, Embase, APA PsychINFO, ERIC and Education Source from 1970 to April 23, 2024. Key search terms included fit, student, medicine, clinical, education. Relevant data included definitions of fit, measurement tools, and correlation with educational outcomes. The standard six-step scoping review framework and PRISMA-ScR reporting guidelines were used. Results: The search identified 1960 non-duplicate articles, 11 of which were included in the review after screening. Fit was specifically defined in only three articles and was measured primarily through personality and value testing with interviews and surveys. Educational outcomes correlated positively with fit, however were studied in just three articles. Conclusions: Person-organization fit may correlate positively with medical education outcomes however there is limited research in this field. Further research should explore methods in evaluating for fit in trainee selection while focusing on the risk of discrimination based on intrinsic biases.
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 | 0,222 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| 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 | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,308 | 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 ».