Evaluating the Utility and Impact of Canadian Plastic Surgery Residency Programs’ Instagram Accounts on Resident Recruitment and Engagement
Notice bibliographique
Résumé
Introduction: This study assesses how Canadian Plastic Surgery Residency Instagram accounts are utilized and perceived by residents, fellows, and attending physicians, and evaluates their influence on medical students’ residency program selection. Methods: This 2-part study includes: (1) a descriptive analysis of Instagram activity, content, and engagement, along with a national survey of Canadian plastic surgery residents, fellows, and attendings assessing account utility; and (2) a survey of medical students who attended the University of Toronto Plastic Surgery Residency Information Session, evaluating Instagram's influence on residency selection. Descriptive statistics were reported. Results: Twelve of 13 Canadian Plastic Surgery Residency Programs had active Instagram accounts. Canadian Plastic Surgery Residency Instagram accounts had an average of 119 posts (SD = 94) over 5 years (SD = 2). Among surveyed residents ( N = 27/77, 35%) and fellows/attendings ( N = 83/328, 25%), Instagram use was reported by 93% and 81%, respectively. Resident recruitment ranked as the top goal (residents 1.75, fellows/attendings 3.17), followed by achievement highlights. Most residents (80%) and fellows/attendings (53%) felt medical students benefitted most. Preferred content included program culture (85%, 84%), resident profiles (90%, 73%), and research highlights (70%, 70%). Among medical student respondents ( N = 25/112, 22%), 95% followed Canadian programs on Instagram, seeking program culture, resident profiles, and educational opportunities (all 89%). Over half (56%) said Instagram influenced their perception of a program, with all reporting a positive impact. Conclusion: Instagram is a valuable platform for Canadian Plastic Surgery Residency Programs to share insights and influence medical student decision-making.
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 | 0,007 | 0,172 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 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 ».