Transcultural skills content in a dental curriculum: a comparative study
Notice bibliographique
Résumé
BACKGROUND: Australia has the highest proportion of immigrants in the world (24% of the population is overseas-born, compared to 22% in New Zealand, 19% in Canada and 12% in the USA). In this context, dental students have become increasingly diverse in a milieu where patients are derived from increasingly diverse backgrounds. AIM: The study aims to analyse the degree to which transcultural and communication skills content is currently embedded in the medical, physiotherapy and dental curricula at a major Australian university. MATERIALS AND METHODS: Undergraduate dental, medical and physiotherapy curricula were compared and critically assessed. Researchers considered the amount of transcultural and communication skills content, the number of formal contact hours for each course and the number of teaching staff involved. In addition, 21 interviews were conducted with staff at the three schools, who were involved in the curriculum development process. RESULTS: The medical and physiotherapy curricula had an explicit focus on transcultural and communication skills as a major and continuing element, delivered by teaching staff from a wide variety of academic and professional backgrounds. In contrast, the dental course showed an under-representation of transcultural and communication skills content which was taught by a limited number of staff from the School of Dental Science. CONCLUSIONS: In marked contrast to medical and physiotherapy curricula, transcultural and communication skills content had a low formal profile in the dental curriculum. A curriculum review process may be a positive step towards the development of a new training curriculum giving higher priority to transcultural and communication skills to support more effective workforce development.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».