Mini Med School: Knowledge and Resources for Underrepresented in Medicine Youth
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Physician demographics in North America do not yet reflect the diversity of the communities they serve, accounted to systemic barriers targeting underrepresented in medicine (URiM) groups. URiM medical graduates are more likely to pursue generalist specialties, including family medicine. Mini Med Schools (MMSs) are pathway programs intended to motivate URiM youth to pursue medicine. A gap in literature exists regarding the potential of MMSs to provide youth with useful information. We examined the extent to which youth reported a change in knowledge about medicine as a career before and after attending an MMS. METHODS: Asclepius Medical Camp for Youth is a weeklong MMS for high school students, held at one Canadian university. In 2022, 50 youth participants were invited to complete surveys and quizzes measuring their knowledge about pursuing a career in medicine. RESULTS: The mean self-reported knowledge differed significantly precamp (n=34, M=5.87/10, SD=1.9) versus postcamp (n=26, M=8.28/10, SD=1.4; t[35]=7.07, P<.05). Likewise, participants' scores demonstrated a significant difference in mean scores precamp (n=43, M=7.12, SD=2.39) versus postcamp (n=39, M=9.31, SD=1.13; t[42]=5.08, P<.05). CONCLUSIONS: These findings highlight MMSs as a promising strategy to provide knowledge about medical careers beyond instilling motivation. By both inspiring and informing URiM youth, the long-term outcome of diversifying medicine may be achieved.
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 | 0,001 | 0,004 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».