Étude de la diversité et de l’équité d’accès des candidats au niveau de l’admission des facultés franco-québécoises de médecine selon divers scénarios de pondérations des outils d’évaluation
Notice bibliographique
Résumé
Plusieurs recherches traitent de l’importance de la promotion de la diversité et l’équité pour les cohortes de médecine. D’autres recherches font état de la diversité des étudiants de médecine par rapport à la diversité de la population desservie. À cet intérêt, la plupart de ces études témoignent que « la profession médicale présente un problème d’iniquité » (Tricco et al., 2021, p. 664). Dans le cadre de la reddition de compte, le secteur médical, avec ses différents détenteurs d’enjeux, doit diriger ses services afin de répondre aux différents besoins locaux et régionaux de la société (Boelen et Heck, 1995). Cependant, en absence d’une diversité suffisante, le secteur médical ne peut vraisemblablement pas remplir son devoir de donner des soins optimaux à tout le monde (Cohen et al., 2002). Il faut noter qu’assurer une diversité optimale des cohortes de médecine implique de promouvoir la diversité des professionnels de santé. À cet intérêt, les facultés de médecine doivent être socialement responsables et doivent attacher une grande importance à la sélection des candidats afin de former de futurs médecins compétents, représentatifs de la société qu’ils desservent et en mesure de répondre aux besoins de celle-ci (Gough, 2004). Ainsi, les facultés de médecine sont engagées à promouvoir la diversité et l’équité parmi leurs cohortes de médecine. À cet intérêt, plusieurs recherches canadiennes ont trouvé que les caractéristiques sociodémographiques des étudiants de médecine diffèrent de celles de la population (Khan et al., 2020; Pitre et al., 2020). Au Québec, peu d’études ont exploré cette problématique. Dans ce contexte, nous avons mené notre recherche afin de comprendre le processus d’admission aux facultés de médecine franco-québécoises tout en tenant compte des caractéristiques sociodémographiques et de la performance des candidats et des étudiants admis en 2019. En premier lieu, nous avons brossé le profil sociodémographique des candidats et des étudiants de médecine par rapport au profil sociodémographique de la population québécoise. En second lieu, nous avons exploré le lien entre la performance des candidats et des candidats admis (pour la cote R, le Casper et les MEMFI) avec leurs caractéristiques sociodémographiques. Enfin, nous avons mené des études de simulation afin d’explorer l’effet potentiel de la variation des pondérations des résultats de la cote R, du Casper et des MEMFI sur la composition démographique des cohortes de médecine. Cette recherche utilise une base de données des candidats qui sont passés par la deuxième phase d’admission de 2019 et qui ont répondu au questionnaire sur les caractéristiques sociodémographiques. À l’aide d’analyses descriptives, d’analyses de variance univariées, des tests T et de la simulation, nous avons essayé de répondre à nos intérêts de recherches déjà mentionnées. Les résultats de cette étude montrent que les caractéristiques sociodémographiques des candidats et des candidats admis des facultés de médecine franco-québécoises, en général, diffèrent des caractéristiques sociodémographiques de la population québécoise. En effet, la majorité des étudiants sont des femmes et la grande majorité des étudiants sont favorisés ou ont tendance à la favorisation matérielle et sociale ; ayant des parents qui ont fréquenté l’université et qui ont un revenu annuel supérieur à 100 000 $. En ce qui concerne la diversité ethnoculturelle, les candidats noirs, latino-américains et autochtones sont sous-représentés dans notre bassin d’étudiants admis en 2019. D’autre part, nos analyses de simulation ont permis de reconnaitre le potentiel de chaque outil d’évaluation à promouvoir ou à limiter la diversité des cohortes simulées. En effet, dans le sous-groupe étudié, la cote R favorisera les chances d’admission des hommes et des candidats matériellement et socialement défavorisés. En contrepartie, les MEMFI favoriseront les chances des candidats matériellement et socialement favorisés et pourraient défavoriser les chances des candidats asiatiques par rapport aux autres. D’autre part, nous avons montré que la procédure d’admission de 2019 n’a pas favorisé des candidats sur la base de leurs caractéristiques sociodémographiques. À travers ces résultats, nous avons constaté que notre recherche confirme les résultats d’études antérieures rapportés dans la littérature médicale.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».