Visiting Trainees in Global Settings: Host and Partner Perspectives on Desirable Competencies
Notice bibliographique
Résumé
BACKGROUND: Current competencies in global health education largely reflect perspectives from high-income countries (HICs). Consequently, there has been underrepresentation of the voices and perspectives of partners in low- and middle-income countries (LMICs) who supervise and mentor trainees engaged in short-term experiences in global health (STEGH). OBJECTIVE: The objective of this study was to better understand the competencies and learning objectives that are considered a priority from the perspective of partners in LMICs. METHODS: A review of current interprofessional global health competencies was performed to design a web-based survey instrument in English and Spanish. Survey data were collected from a global convenience sample. Data underwent descriptive statistical analysis and logistic regression. FINDINGS: The survey was completed by 170 individuals; 132 in English and 38 in Spanish. More than 85% of respondents rated cultural awareness and respectful conduct while on a STEGH as important. None of the respondents said trainees arrive as independent practitioners to fill health care gaps. Of 109 respondents, 65 (60%) reported that trainees gaining fluency in the local language was not important. CONCLUSIONS: This study found different levels of agreement between partners across economic regions of the world when compared with existing global health competencies. By gaining insight into host partners' perceptions of desired competencies, global health education programs in LMICs can be more collaboratively and ethically designed to meet the priorities, needs, and expectations of those stakeholders. This study begins to shift the paradigm of global health education program design by encouraging North-South/East-West shared agenda setting, mutual respect, empowerment, and true collaboration.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».