MétaCan
Menu
Retour à la cohorte
Enregistrement W2071116127 · doi:10.1080/10401334.2011.561761

Cross-Cultural Undergraduate Medical Education in North America: Theoretical Concepts and Educational Approaches

2011· review· en· W2071116127 sur OpenAlexaff
Sylvia Reitmanova

Notice bibliographique

RevueTeaching and Learning in Medicine · 2011
Typereview
Langueen
DomaineSocial Sciences
ThématiqueCultural Competency in Health Care
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMedical educationEngineering ethicsPsychologyPedagogySociologyMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Cross-cultural undergraduate medical education in North America lacks conceptual clarity. Consequently, school curricula are unsystematic, nonuniform, and fragmented. This article provides a literature review about available conceptual models of cross-cultural medical education. The clarification of these models may inform the development of effective educational programs to enable students to provide better quality care to patients from diverse sociocultural backgrounds. SUMMARY: The approaches to cross-cultural health education can be organized under the rubric of two specific conceptual models: cultural competence and critical culturalism. The variation in the conception of culture adopted in these two models results in differences in all curricular components: learning outcomes, content, educational strategies, teaching methods, student assessment, and program evaluation. CONCLUSIONS: Medical schools could benefit from more theoretical guidance on the learning outcomes, content, and educational strategies provided to them by governing and licensing bodies. More student assessments and program evaluations are needed in order to appraise the effectiveness of cross-cultural undergraduate medical education.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,005
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,088
Tête enseignante GPT0,459
Écart entre enseignants0,371 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations36
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTeaching and Learning in MedicineMême sujetCultural Competency in Health CareTravaux en français237 207