A validity evaluation of lexicon‐based sentiment analysis of medical students' clinical performance from in‐training evaluation reports
Notice bibliographique
Résumé
INTRODUCTION: Assessment of clinical performance has traditionally been a numbers game based upon Likert scale ratings. But, thanks to advances in the science of natural language processing (NLP), it is now possible to incorporate rich narrative data into assessment. In this study, our objective was to evaluate the validity of lexicon-based sentiment analysis of medical students' clinical performance from in-training evaluation reports (ITERs) with a view to fully integrating this as a machine-based process into future assessment decisions. METHODS: This was a mixed methods, retrospective derivation/validation cohort study structured around Kane's validity framework. We used content analysis to create a lexicon of performance descriptors, performed a G-study, and calculated the positive likelihood ratio (LR+) for descriptors (scoring). To evaluate generalisation, we calculated the intraclass correlation coefficient and compared descriptors in derivation and validation cohorts. We then performed [human] lexicon-based sentiment analysis and compared the number of descriptors of different types between cohorts of highest performing students (HPS) and lowest performing students (LPS). RESULTS: In our G-study, 86.6% of variance was attributed to the student. The ICC between raters for identification of descriptors was 0.93. The mean number of neutral descriptors was similar between HPS and LPS cohorts, but the number of negative descriptors was higher for LPS (11.4 (10.8) versus 1.4 (1.6) for HPS, p < 0.01, d = 1.37) and the number of positive descriptors was higher for HPS (19 (14) versus 1.4 (1.5) for LPS, p < 0.001, d = 1.86). DISCUSSION: In the midst of their busy clinical work schedule, preceptors find time to tell a story about a medical student and these narrative data enrich the assessment portfolio. Based upon our validity argument, we feel there is a role for lexicon-based sentiment analysis of clinical performance descriptors in ITERs and that these results can contribute meaningfully to assessment decisions.
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 | 0,066 | 0,167 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».