Moving towards increased cultural competency in public health research
Notice bibliographique
Résumé
\n\t\t\t\t\tThere has been a renewed focus in recent decades on collaborative approaches in community-based public health research and interventions. This is an important grounding for addressing the needs of culturally and linguistically diverse (CALD) communities. But how well do we as researchers prepare for the complexities of working with CALD communities? And what sort of support do we need to meet the challenges of the task? Cultural competence refers to the extent to which researchers, practitioners and organisations have the necessary skills, knowledge, attitudes and policies to work effectively in cross-cultural situations. The shift towards cultural competence in public health is evidenced by the development of policies and guidelines by government bodies and leading research institutions in countries such as Canada, the United States, Australia and New Zealand. This chapter will draw on these guidelines, on models of cultural competency used in welfare and health service delivery, and on collaborative research approaches. A framework for moving towards cultural competence in public health research and health promotion interventions will be discussed, drawing case study examples from the co-authors' community-based experiences. This will highlight the complexities but also the importance of adopting culturally competent strategies in public health research and health promotion interventions. The need for supporting government and funding structures will also be proposed .<br />\n\t\t\t\t
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 | 0,012 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,011 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».