Methodology, Respondents, and Past Topics for 2024 CERA Clerkship Director Survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: CERA, the Council of Academic Family Medicine (CAFM) Educational Research Alliance, is a collaboration between four family medicine organizations to conduct omnibus surveys of different groups within family medicine. This article describes the methodology of the 2024 Clerkship Directory (CD) Survey, presents the demographic results of respondents, and categorizes CD topics from 2012 through 2024. Methods: tests to compare the demographics of sampling frame against the sample to determine if they were representative of the sampling frame. We used program records to describe past survey topics. Results: One hundred seventy-nine surveys were sent out; after receiving updated clerkship information, the final 2024 pool size was 173 survey recipients (158 in the United States and 15 in Canada); 91 clerkship directors completed the survey, with a response rate of 52.60% (91/173). We compared demographic data of sampling frame with the sample. There was no significant difference in demographics including location, gender, race/ethnicity, underrepresented in medicine status, or MD degree. CD survey topics from 2012-2024 included 6 on preceptors, 29 on content/curriculum, 8 on grading/assessment, 8 on administration, and 9 on other. Discussion: 2024 Clerkship Directory Survey respondents are representative of clerkship directors. From 2012-2024 the most studied topic was content/curriculum. The Clerkship Director Survey continues to offer important scholarship opportunities and insights into current themes in undergraduate medical education.
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.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 découle