Perceptions of the critical cultural competence of registered nurses in Canada
Notice bibliographique
Résumé
Cultural diversity often leads to misunderstandings, clashes, conflicts, ethnocentrism, discrimination, and stereotyping due to the frequent intersection of many variables, such as differences in traditions, behaviours, ethical and moral perspectives, conceptions of health and illness, and language barriers. The root of the issue is related to the way people conceptualise differences and the unique cultural and historical circumstances that have shaped different groups’ heritages. In this study, therefore, we aimed to investigate the perceptions of critical cultural competence (CCC) of registered nurses working in various hospitals across the province of British Columbia, Canada. Data were collected using Almutairi’s Critical Cultural Competence Scale (CCC Scale) with a random sample of 170 registered nurses. This scale measures four essential multidimensional components of the CCC model: critical awareness, critical knowledge, critical skills, and critical empowerment. Data were analysed using descriptive and inferential statistics (Kruskal-Wallis test). The data revealed that participants’ perceptions of CCC were positive with a mean score of 5.22 out of 7.00 for the total number of items ( n = 43) and a standard deviation of 0.54. The mean scores for the CCC subscales ranged from 4.76 (for critical skills) to 5.42 (for critical empowerment). The results indicated a statistical difference in CCC perceptions based on participants’ age and country of birth with p = 0.05 < 0.05 and 0.029 < 0.05, respectively. Nurses’ age (experience) and country of birth may influence their perceptions of CCC as gaining cultural competence requires exposure to caring for patients from various cultures and countries, and is associated with cultural knowledge and awareness. Therefore, this finding reveals that healthcare organizations must provide ongoing cultural education programs to increase their nursing staff’s level of cultural competence so they are better able to deal with the difficulties that might arise during cross-cultural interactions.
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 | 0,002 | 0,008 |
| 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 | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».