Navigating Expectations in the Transition to the Pass/Fail Step 1 Exam: Tensions and Recommendations From Student Leaders of the NEXT Step 1 Project
Notice bibliographique
Résumé
ABSTRACT: The transition of the United States Medical Licensing Examination (USMLE) Step 1 from 3-digit to pass/fail scoring set the stage for one of the most significant changes in medical education in several decades. Although originally designed for a binary competency decision around licensure, the Step 1 exam score was famously used as a major criterion for residency interview selection. The transition to pass/fail grading sought to address the issue of students focusing on Step 1 exam preparation at the expense of their formal medical school curriculum and their well-being. However, trainees, advisers, faculty, and residency program directors quickly identified several unintended consequences of this decision. In response, a collaborative grassroots effort was formed among multiple stakeholders, including an extensive network of trainees. The Navigating Expectations in the Transition to Pass/Fail Step 1 (NEXT Step 1) project aims to study this scoring change and develop consensus recommendations for all shareholders affected. In this study, student leaders of the NEXT Step 1 project use their lived experiences as trainees and members of this collaborative project to identify key tensions that arose due to the scoring change. Tensions were described within 3 domains: curriculum, student advising, and residency applications. The authors discuss each tension and provide recommendations for medical schools, faculty, residency programs, and students to consider moving forward in the era of the pass/fail Step 1 exam. Although most students involved in the project think the transition to pass/fail scoring on the Step 1 exam has been positive, there are many downstream consequences that need to be addressed to improve student well-being and fairness in the residency application process. The authors provide student-centered recommendations for these challenges and aim to provide an example of meaningful trainee engagement in academic medicine.
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 | 0,055 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,009 |
| Communication savante | 0,014 | 0,008 |
| Science ouverte | 0,005 | 0,014 |
| Intégrité de la recherche | 0,006 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».