MétaCan
Menu
Retour à la cohorte
Enregistrement W4409179504 · doi:10.1007/978-981-97-9715-8_14

International Student Mobility: New and Emerging Patterns in Medical Education in the Global South

2025· book-chapter· en· W4409179504 sur OpenAlexaff
Arokkiaraj Heller, S. Irudaya Rajan, Margaret Walton‐Roberts

Notice bibliographique

RevueInternational perspectives on migration · 2025
Typebook-chapter
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensBalsillie School of International Affairs
Organismes subventionnairesnon disponible
Mots-clésGlobal SouthGlobal educationMathematics educationGeographyEconomic geographyPsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Abstract This chapter examines the evolving dynamics of international student mobility (ISM) in the context of medical education, with a particular focus on Indian students pursuing undergraduate medical degrees in non-Anglophone countries such as Russia, Ukraine and China. It highlights the shift from traditional South-North migration patterns to a more diversified landscape, where Asian countries are becoming significant destinations for medical education. The chapter explores the factors influencing Indian students’ decision to study abroad, including the affordability of education and the perception of higher quality in foreign institutions. It also addresses the challenges faced by these students, such as the need to pass the foreign medical graduate examination (FMGE) to practice in India and the impact of geopolitical events like the war in Ukraine and the COVID-19 pandemic on their education and career trajectories. The study draws on various data sources, including government records and media narratives, to provide a comprehensive overview of the current trends and implications of ISM in medical education within the Global South, offering insights into the policy ramifications for both sending and receiving countries.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0000,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,025
Tête enseignante GPT0,456
Écart entre enseignants0,430 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational perspectives on migrationMême sujetGlobal Health Workforce IssuesTravaux en français237 207