Language barriers and epistemic injustice in healthcare settings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Contemporary realities of global population movement increasingly bring to the fore the challenge of quality and equitable health provision across language barriers. While this linguistic challenge is not unique to immigration contexts and is likewise shared by health systems responding to the needs of aboriginal peoples and other historical linguistic minorities, the expanding multilingual landscape of receiving societies renders this challenge even more critical, owing to limited or even non-existing familiarity of modern and often monolingual health systems with the particular needs of new linguistic minorities. The centrality of language to health beliefs, attitudes, practices, cultural scripts, and conceptual frameworks emphasizes its pivotal role in the healthcare process, and consequently in the adverse effects of treatment that is language-insensitive and unaware. Such an attitude on the part of medical authorities risks considerable epistemic injustice in the form of a (mis)judgement of patients' intelligence, credibility, and rationality based on the language that they speak and the manner in which they speak it, consequently impacting the quality and equity of care provided. This danger, I argue, may be effectively countered by fostering among the participants in the healthcare process a sense of epistemic humility through greater metalinguistic awareness. Outlining a range of operative steps that can be used to facilitate this. I argue that the reality of language barriers in the healthcare process, while not entirely eliminable, may nevertheless be successfully addressed, in order to mitigate the challenge of quality and equitable healthcare provision in multilingual societies.
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.
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 | 0,002 | 0,002 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle