Virtual Mentoring for Medical Physicists: Results of a Global Online Survey
Notice bibliographique
Résumé
Purpose: Medical physics professional development is limited in parts of the globe and can be aided by virtual mentoring. A global online perception survey was conducted to elucidate the characteristics of the preferred virtual mentoring program. Methods: Informed by a literature review and pilot testing by focus groups, the survey was electronically disseminated to multiple medical physics organizations, list servers, and professional contacts. It addressed issues including factors and barriers influencing successful mentoring; mentors'/mentees' matching preferences; frequency and length of meetings; importance of defining expectations; formal agreement; and assessment of the mentoring process. Descriptive statistics were used to characterize responses including comparisons by country income level. Results: The 396 responders (68% male and 32% female) were from 76 countries with 66% from high-income countries (HICs) and 34% from low- and middle-income countries (L&MICs). Data were provided on experience level as mentors (43% "little [occasional]", 38% "lot [regular or ongoing]") and mentees (53% "little [occasional]", and 23% "lot [regular or ongoing]"), and interest in participating in mentorship program (83% as mentor, mentee, or both). L&MIC responders were generally younger with less work experience (55% <10 years versus 28% for HIC responders). Differences between L&MIC and HIC responses occurred when considering the perceived limitations and barriers to virtual mentoring. Preferences were given to mentoring logistics (formal agreement, frequency, length, and format of meetings). Conclusions: Factors to consider in developing a virtual mentorship program are informed by the survey results and are applicable to both HIC and L&MIC contexts, to medical physicists, and to other related professions.
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 | 0,007 | 0,018 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».