BRUSH Summer Research Program: Promoting Science Identity in Underrepresented Veterinary and Undergraduate Students
Notice bibliographique
Résumé
While all facets of the health care workforce need to diversify, the veterinary profession lags behind in training students from underrepresented populations. The need to increase diversity among health care professionals is not limited to clinicians but extends to those generating new information through biomedical research. To address demographic disparities within the biomedical research community, we provide a summer research program for veterinary and undergraduate students from populations historically underrepresented in the biomedical workforce that is explicitly designed to foster science identity and subsequently increase participants’ interest and success in pursuing biomedical research-related educational and career paths. We hypothesized that participation in this program would enhance science identity, confidence, and pursuit of research-related education and subsequent careers. Three validated survey instruments containing qualitative ordered rating scales were administered to program participants ( N = 57) over the course of the summer in which they participated (2018–2022). Questions asked at two time points were analyzed with a repeated-measures linear mixed-effects model. Significant growth was reported in most topics surveyed over time. Many queries within gains, confidence, and science identity modules displayed significant increases over time or scored high in surveys at both time points. In addition, post-graduate educational and career outcomes were obtained for alumni ( N = 130) of program years 2011–2023; their post-graduate enrollment rates (78%) markedly exceeded national norms. This multidimensional experiential research program, which holistically fosters professional networking and student confidence in research-related endeavors, provides quantifiable growth in research skills and science identity. These gains support students’ persistence in research and biomedical-related educational and career paths.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».