Mapping the Mentorship Landscape in Otolaryngology–Head and Neck Surgery Training Programs: A Cross‐Canadian Survey
Notice bibliographique
Résumé
OBJECTIVE: This study aims to explore the current landscape of mentorship within Canadian Otolaryngology-Head and Neck Surgery (OHNS) programs by investigating the experiences and perspectives of OHNS trainees and program directors (PDs). STUDY DESIGN: A cross-sectional survey study. METHODS: Anonymized online questionnaires were sent to all residents and PDs of the 13 accredited OHNS residency programs across Canada. The questionnaires collected qualitative and quantitative information about the type of mentorship (formal vs informal) programs implemented, as well as individuals' experiences and opinions on mentorship. RESULTS: Of residents, 57.1% (92/161) completed the survey, whereas 84.6% (11/13) of PDs completed the survey. Of residents, 45.7% (42/92) participated in formal mentorship programs and 72.8% (67/92) participated in informal mentorship programs. The PDs perceived the importance of formal mentorship at 3.0/5. Residents reported greater satisfaction with informal mentorship relationships compared to formal mentorship (4.4/5 vs 3.7/5, P < .01) due to a more organic initiation of relationship and a better personality match. The main areas for improvement of current mentorship programs included the availability of mentors, networking opportunities, and protected time for encounters. CONCLUSION: Surgical residents found informal mentorship to be more beneficial than formal mentorship. However, residency programs should provide more guidance and structure to optimize hybrid mentorship opportunities and mentor selection/availability. Mentorship training or development resources for attending physicians and feedback opportunities are essential for efficient relationships.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».