The place of race and racism in cultural competence: What can we learn from the English experience about the narratives of evidence and argument?
Notice bibliographique
Résumé
This paper outlines the history of workforce strategies for providing mental health care to "black and ethnic minorities" in England. Universal mental health policies failed to deliver equity in care, and thus specific policies were launched to address ethnic inequalities in care experiences and outcomes. The emphasis on race equality rather than cultural complexity led to widespread acceptance of the need for change. The policy implementation was delivered in accord with multiple regional and national narratives of how to reduce inequalities. As changes in clinical practice and services were encouraged, resistance emerged in various forms from clinicians and policy leaders. In the absence of commitment and then dispute about forms of evidence, divergent policy and clinical narratives fuelled a shift of attention away from services to silence issues of race equality. The process itself represents a defence against the pain of acknowledging systemic inequities whilst rebutting perceived criticism. We draw on historical, psychoanalytic, and learning theory in order to understand these processes and the multiple narratives that compete for dominance. The place of race, ethnicity, and culture in history and their representation in unconscious and conscious thought are investigated to reveal why cultural competence training is not simply an educational intervention. Tackling inequities requires personal development and the emergence and containment of primitive anxieties, hostilities, and fears. In this paper we describe the experience in England of moving from narratives of cultural sensitivity and cultural competence, to race equality and cultural capability, and ultimately to cultural consultation as a process. Given the need to apprehend narratives in care practice, especially at times of disputed evidence, cultural consultation processes may be an appropriate paradigm to address intersectional inequalities.
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 | 0,033 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,021 | 0,069 |
| Communication savante | 0,024 | 0,031 |
| Science ouverte | 0,003 | 0,014 |
| Intégrité de la recherche | 0,006 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».