Exploring medically-related Canadian summer student research programs: a National Cross-sectional Survey Study
Notice bibliographique
Résumé
Abstract Background Summer student research programs (SSRPs) serve to generate student interest in research and a clinician-scientist career path. This study sought to understand the composition of existing medically-related Canadian SSRPs, describe the current selection, education and evaluation practices and highlight opportunities for improvement. Methods A cross-sectional survey study among English-language-based medically-related Canadian SSRPs for undergraduate and medical students was conducted. Programs were systematically identified through academic and/or institutional websites. The survey, administered between June–August 2016, collected information on program demographics, competition, selection, student experience, and program self-evaluation. Results Forty-six of 91 (50.5%) identified programs responded. These SSRPs collectively offered 1842 positions with a mean 3.76 applicants per placement. Most programs (78.3%, n = 36/46) required students to independently secure a research supervisor. A formal curriculum existed among 61.4% (n = 27/44) of programs. Few programs (5.9%, n = 2/34) offered an integrated clinical observership. Regarding evaluation, 11.4% (n = 5/44) of programs tracked subsequent research productivity and 27.5% (n = 11/40) conducted long-term impact assessments. Conclusions Canadian SSRPs are highly competitive with the responsibility of selection primarily with the individual research supervisor rather than a centralized committee. Most programs offered students opportunities to develop both research and communication skills. Presently, the majority of programs do not have a sufficient evaluation component. These findings indicate that SSRPs may benefit from refinement of selection processes and more robust evaluation of their utility. To address this challenge, the authors describe a logic model that provides a set of core outcomes which can be applied as a framework to guide program evaluation of SSRPs.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».