Notice bibliographique
Résumé
PURPOSE: Substantial health disparities exist between Māori--the indigenous people of Aotearoa New Zealand--and non-Māori New Zealanders. This article explores the experience and impact of racism on Māori registered nurses within the New Zealand health system. METHOD: The narratives of 15 Māori registered nurses were analyzed to identify the effects of racism. This Māori nursing cohort and the data on racism form a secondary analysis drawn from a larger research project investigating the experiences of indigenous health workers in New Zealand and Canada. Jones's levels of racism were utilized as a coding frame for the structural analysis of the transcribed Māori registered nurse interviews. RESULTS: Participants experienced racism on institutional, interpersonal, and internalized levels, leading to marginalization and being overworked yet undervalued. DISCUSSION AND CONCLUSIONS: Māori registered nurses identified a lack of acknowledgement of dual nursing competencies: while their clinical skills were validated, their cultural skills-their skills in Hauora Māori--were often not. Experiences of racism were a commonality. Racism--at every level--can be seen as highly influential in the recruitment, training, retention, and practice of Māori registered nurses. IMPLICATIONS FOR PRACTICE: The nursing profession in New Zealand and other countries of indigenous peoples needs to acknowledge the presence of racism within training and clinical environments as well as supporting indigenous registered nurses to develop and implement indigenous dual cultural-clinical competencies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,020 | 0,015 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».