Patterns of privilege: A total cohort analysis of admission and academic outcomes for Māori, Pacific and non-Māori non-Pacific health professional students
Notice bibliographique
Résumé
BACKGROUND: Tertiary institutions are struggling to ensure equitable academic outcomes for indigenous and ethnic minority students in health professional study. This demonstrates disadvantaging of ethnic minority student groups (whereby Indigenous and ethnic minority students consistently achieve academic outcomes at a lower level when compared to non-ethnic minority students) whilst privileging non-ethnic minority students and has important implications for health workforce and health equity priorities. Understanding the reasons for academic inequities is important to improve institutional performance. This study explores factors that impact on academic success for health professional students by ethnic group. METHODS: Kaupapa Māori methodology was used to analyse data for 2686 health professional students at the University of Auckland in 2002-2012. Data were summarised for admission variables: school decile, Rank Score, subject credits, Auckland school, type of admission, and bridging programme; and academic outcomes: first-year grade point average (GPA), first-year passed all courses, year 2 - 4 programme GPA, graduated, graduated in the minimum time, and composite completion for Māori, Pacific, and non-Māori non-Pacific (nMnP) students. Statistical tests were used to identify significant differences between the three ethnic groupings. RESULTS: Māori and Pacific students were more likely to attend low decile schools (27 % Māori, 33 % Pacific vs. 5 % nMnP, p < 0.01); complete bridging foundation programmes (43 % Māori, 50 % Pacific vs. 5 % nMnP, p < 0.01), and received lower secondary school results (Rank Score 197 Māori, 178 Pacific vs. 231 nMnP, p < 0.01) when compared with nMnP students. Patterns of privilege were seen across all academic outcomes, whereby nMnP students achieved higher first year GPA (3.6 Māori, 2.8 Pacific vs. 4.7 nMnP, p < 0.01); were more likely to pass all first year courses (61 % Māori, 41 % Pacific vs. 78 % nMnP, p < 0.01); to graduate from intended programme (66 % Māori, 69 % Pacific vs. 78 % nMnP, p < 0.01); and to achieve optimal completion (9 % Māori, 2 % Pacific vs. 20 % nMnP, p < 0.01) when compared to Māori and Pacific students. CONCLUSIONS: To meet health workforce and health equity goals, tertiary institution staff should understand the realities and challenges faced by Māori and Pacific students and ensure programme delivery meets the unique needs of these students. Ethnic disparities in academic outcomes show patterns of privilege and should be alarming to tertiary institutions. If institutions are serious about achieving equitable outcomes for Māori and Pacific students, major institutional changes are necessary that ensure the unique needs of Māori and Pacific students are met.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».