MétaCan
Menu
Retour à la cohorte
Enregistrement W4404852332 · doi:10.3138/jvme-2024-0073

Predicting Admission and Future Performance of Veterinary School Applicants: Evaluation of Scores of Self-Reported Animal Experience and Rural Versus Urban Background

2024· article· en· W4404852332 sur OpenAlexaffvenue
Nicole Fernandez, Matt Read, Robert McCorkell, Connor Maxey, Kent G. Hecker

Notice bibliographique

RevueJournal of Veterinary Medical Education · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Education and Admissions
Établissements canadiensUniversity of CalgaryUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésVeterinary medicineMedicineRural areaPathology

Résumé

récupéré en direct d'OpenAlex

Admission to veterinary school is generally based on academic and non-academic measures. Descriptions of animal or veterinary experience and rural versus urban background are often sought from applicants, but little is objectively known about their impact on admission success or future performance. We evaluated scores from written descriptions from 590 veterinary school applicants for the nature and extent of self-reported animal experience. For those admitted to the program, we compared animal experience and rural versus urban background to performance in discipline-based courses, professional skills courses, clinical rotations, and the North American Veterinary Licensing Exam (NAVLE). More than 98% of applicants reported animal experience, with small animal veterinary experience most reported. There was no difference in animal experience or background between successful and unsuccessful applicants, but rural and urban applicants reported different experiences. There was a small correlation between small animal experience and performance in clinical rotations (.21), a small negative correlation between rural background and NAVLE performance (-.23), but otherwise, no significant correlations between animal experience or background and future performance. These findings suggest that scores of self-reported animal experience do not provide predictive information on applicants, or, alternatively, that the nature and extent of animal experience, the methods used to score these experiences, and/or the measures assessed during veterinary school need to be explicitly defined to ensure that we are capturing the appropriate information. More investigation into the scoring and impact of animal experience and background on applicant performance in the DVM program and success in a veterinary career is warranted.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,745
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,095
Tête enseignante GPT0,434
Écart entre enseignants0,339 · 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.

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'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Veterinary Medical EducationMême sujetMedical Education and AdmissionsTravaux en français237 207