‘Flying below the radar’: a qualitative study of minority experience and management of discrimination in academic medicine
Notice bibliographique
Résumé
OBJECTIVES: This paper aims to give voice to the lived experience of faculty members who have encountered racial or ethnic discrimination in the course of their academic careers. It looks at how they describe the environment for minorities, how they manage discrimination and what institutions and majority-member faculty can do to improve medical academe for minority members. METHODS: Qualitative techniques were used for semi-structured, in-depth individual telephone interviews, which were audiotaped, transcribed and analysed by reviewers. Themes expressed by multiple faculty members were studied for patterns of connection and grouped into broader categories. A description of the faculty sample is provided, in which respondents ranked the importance of discrimination in hindering academic advancement and used Likert scales to evaluate effects of discrimination. The sample was drawn from 12 of 24 academic medical centres in the National Faculty Survey and included 18 minority-member faculty staff stratified by gender, rank and degree who had experienced, or possibly experienced, work-related discrimination. RESULTS: Minority faculty described the need to be strongly self-reliant, repeatedly prove themselves, develop strong supports and acquire a wide range of academic skills to succeed. Suggested responses to discrimination were to be cautious, level-headed and informed. Confronting discriminatory actions by sitting down with colleagues and raising the level of awareness were important methods of dealing with such situations. CONCLUSIONS: Academic medical centres may need to make greater efforts to support minority faculty and improve understanding of the challenges confronting such faculty in order to prevent the loss and/or under-utilisation of important talent.
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 | 0,006 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».