Statistical multivariate approaches for identification of predictors of academic failure for first year students in medical school

Abstract

Academic failure is a frequent phenomena in medical education, with huge impact on the students and on the medical schools. Understanding of factors that have the strongest in uence on the probability of failure is extremely important to implement procedures for timely assistance and support to students in di culties. The main goal of this work was to gain information (factors) that can be useful in predicting, early in the rst year of the medical program, academic failure for the students of the School of Health Sciences of Minho University. To determine which factors in uence the performance of these students in the 1st year course with the highest failure rates, administrative data of three cohorts of students were analyzed using several multivariate statistical tools, namely: logistic regression, linear discriminant analysis and K-nearest neighbors discriminant analysis. The results obtained in this study provide substantial empirical evidence that combination of cognitive and non-cognitive characteristics (personality trait "Conscientiousness", change of residence at entry, anticipation of di culties due to enrollment in a medical program) and of academic achievements in the initial university courses can be useful in the early detection of failure.

O insucesso escolar é um fenómeno bastante frequente na educação médica, que tem um enorme impacto sobre os alunos e sobre as escolas de medicina. A compreensão dos factores que mais influenciam a probabilidade de insucesso é extremamente importante para que as escolas possam implementar, em tempo útil, procedimentos de assistência e apoio aos alunos em dificuldades. O objetivo principal deste trabalho consistia em obter informação (factores) que pudesse ser útil para prever, logo no início do primeiro ano do curso de medicina, o insucesso escolar dos alunos da Escola de Ciências da Saúde da Universidade do Minho. Para identificar os fatores que influenciam o desempenho desses alunos na disciplina do 1 o ano do curso que tem as maiores taxas de reprovação, dados administrativos relativos a três cohortes de estudantes foram analisados usando várias técnicas de estatística multivariada, nomeadamente: regressão logística, análise discriminante linear e análise dos K-vizinhos mais próximos. Os resultados obtidos neste estudo fornecem evidência empírica de que a combinação de alguns fatores cognitivos e não-cognitivos (a característica pessoal "Conscientiousness, a alteração de residência com a entrada na universidade, a antecipação de dificuldades relacionadas com a frequência de um curso de Medicina) e dos resultados obtidos nas disciplinas iniciais do curso, pode ser útil para a detecção precoce do insucesso escolar.