Characteristics of Interim Deans at U.S. Medical Schools
Notice bibliographique
Résumé
Purpose: To provide a baseline, descriptive understanding of individuals serving as interim deans at U.S. medical schools. Over the past quarter century, roughly 9% to 16% of all medical school deans were serving as interim leaders. This research reviews demographic characteristics, how long they served, and the impact of having served on one's likelihood of serving as a permanent dean.\nMethod: The Association of American Medical Colleges' Council of Deans national database was the data source for this study. The authors reviewed counts and information by year for academic years 1989-1990 through 2014-2015 to yield a snapshot of interim dean counts. The authors analyzed data by demographic characteristics-namely, sex, race/ethnicity, degree, specialty, and years of service-and compared data with those of permanent deans. Descriptive statistics are presented.\nResults: Overall, between 14 and 27 individuals served as interim deans during each academic year in this study (9%-16% of all unique individuals with a dean or interim dean appointment). Of all individuals serving as interim deans in this time frame, 88% were men (228/259) and 86% were white (222/259). The average time in the interim dean role was roughly 13 months, and a high percentage went on to serve as permanent deans (ranging from 15% to 63%).\nConclusion: The results of this study add detail to the collective understanding of these leaders in medical schools. The authors discuss how individuals and institutions can facilitate success and preparedness for an interim dean appointment.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».