Assessor Personality Traits Are Not Educationally Important Drivers of Assessor Stringency/Leniency
Notice bibliographique
Résumé
ABSTRACT Introduction Assessor stringency/leniency (ASL), the tendency for an assessor to consistently provide low or high scores, has been shown to have educationally important effects on learner assessment scores in multiple settings. To date, there is no clear understanding of the underlying drivers of ASL in the context of medical education. Some authors have hypothesized a link between personality traits and ASL, but there is currently insufficient data to reach any conclusions. This study seeks to determine whether there is a significant association between physician assessors' personality traits and ASL. Methods This prospective cohort study was conducted at an academic emergency department in Ottawa, Canada. Participating assessors volunteered to complete the IPIP‐Neo 120, a personality questionnaire based on the five‐factor model. All end‐of‐shift assessments completed between July 1, 2021, and June 30, 2022, were collected, and ASL was quantified for each assessor using the mean delta method. Linear regression was used to assess the correlation between personality scores and ASL. Results A total of 2127 assessments, representing 184 learners, were analyzed. Twenty‐five assessors were enrolled, with a wide distribution of assessor personality scores for each trait. While there was a trend toward leniency with increasing assessor extraversion, this did not reach statistical significance ( p = 0.07, R 2 = 0.13). There was no significant link between other personality traits and ASL. Conclusion Integrating our findings with the existing literature, we conclude that personality traits are likely not educationally important drivers of ASL in medicine. Future research should examine other possible contributors to ASL in 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.
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 | 0,000 | 0,003 |
| 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) | 0,002 | 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 ».