Analyse des facteurs influençant le choix de programme de résidence des leaders étudiants en médecine du Québec : le rôle des GIMF
Bibliographic record
Abstract
Problématique : En dépit de nombreuses initiatives et interventions au cours des dernières années, l’intérêt des étudiants en médecine pour la médecine de famille (MF) demeure inférieur aux attentes des planificateurs de services de santé. Objectifs : Préciser les facteurs qui influencent les leaders étudiants en médecine dans leur choix de programme de résidence en s’intéressant plus spécifiquement aux groupes d’intérêt en médecine de famille (GIMF) et aux moyens d’accroître leur efficacité. Stratégie et devis : Approche synthétique par étude de cas multiples à un seul niveau d’analyse. Recherche descriptive à finalité instrumentale en recherche-action. Participants : Leaders étudiants de trois facultés de médecine du Québec (n=21), sélectionnés par choix raisonné à l’aide d’un sociogramme. Méthode : Groupes de discussion et questionnaire autoadministré. Analyse qualitative assistée par le logiciel N-Vivo. Résultats : Différents facteurs, dont l’existence des GIMF, influencent le choix de carrière des étudiants en médecine. Pour augmenter la capacité des GIMF d’intéresser les étudiants à la MF, on pourrait notamment s’appuyer sur les groupes d’intérêt d’autres spécialités et développer une approche de marketing social auprès des indécis, insistant sur leurs motivations d’ordre émotionnel. Conclusion : Les GIMF peuvent contribuer à la promotion et à la valorisation de la MF chez les étudiants en médecine du Québec. En s’intéressant aux leaders étudiants en médecine et leur influence naturelle sur leurs pairs, il est possible d’accroître l’efficacité des GIMF.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.011 | 0.028 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".