Remediation of Pre-Clinical Course Failures in a DVM Program and Its Impact on Program Outcomes: A 10-Year Descriptive Study
Notice bibliographique
Résumé
Remediation provides academically struggling students reasonable opportunities to correct deficiencies in knowledge or skills, achieve competence, and potentially reverse failures. At Purdue University College of Veterinary Medicine, a remediation policy in the pre-clinical years of the DVM program was implemented beginning with the class of 2014. We evaluated its impact on our DVM program and student outcomes. Using data from DVM classes of 2011 to 2023, we compared academic outcomes between remediating and non-remediating class cohorts and, within remediating cohorts, between students with and without academic difficulties. Despite changes in class size and admissions criteria, 4-year graduation and relative attrition rates were similar in remediating (92.2% and 4.2%) and non-remediating (92.3% and 4.8%) cohorts. Success at the North American Veterinary Licensing Examination (NAVLE) prior to graduation was lower in remediating than in non-remediating cohorts (94.5% vs. 97.0%). Among 815 students in remediating cohorts, 157 (19.3%) failed ≥1 courses. Of the 157 students, 134 (85.4%) attempted remediation of ≥1 failed courses, 125 (79.6%) successfully remediated ≥1 failed courses, and 96 (61.1%) successfully remediated all their failed courses. Remediation occurred more often in first-year than in second- or third-year courses. While 99% of the 96 successfully remediated students graduated in 4 years, 13.5% failed ≥1 clinical blocks and 18.7% did not pass the NAVLE before DVM graduation. Our remediation policy enabled successfully remediated students to avoid delayed graduation, but some students struggled in the clinical year and at passing the NAVLE prior to graduation. Additional support systems are necessary to help students pass the NAVLE before graduation.
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 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».