Health Sciences cultural safety education in Australia, Canada, New Zealand, and the United States: a literature review
Notice bibliographique
Résumé
OBJECTIVES: To review the research literature on cultural safety education within post-secondary health science programs. METHODS: We conducted health and social science database searches from 1996-2016, using combined keywords: cultural competence or safety; teaching or curriculum; universities, polytechnics or professional programs; and Aboriginal or Indigenous. In dyads, authors selected, and reviewed studies independently followed by discussion and consensus to identify thematic linkages of major findings. RESULTS: A total of 1583 abstracts and 122 full-text articles were reviewed with 40 selected for final inclusion. Publications from Australia, Canada, New Zealand and the United States described curriculum development and delivery. A variety of evaluation approaches were used including anecdotal reports, focus groups, interviews, course evaluations, reflective journals, pre-post surveys, critical reflective papers, and exam questions. Duration and depth of curricular exposure ranged from one day to integration across a six-year program. Changes in student knowledge, attitude, self-confidence, and behaviour when working with Indigenous populations were reported. Cultural safety education and application to practice were shown to be linked to improved relationships, healthier outcomes, and increased number of Indigenous people entering health education programs and graduates interested in working in diverse communities. CONCLUSIONS: This review provides a summary of multidisciplinary didactic and experiential instructional approaches to cultural safety education and the impact on students, educators and Indigenous people. Institutional support, strategic planning and cultural safety curriculum policy within post-secondary settings and community engagement are imperative for positive student experiences, advocacy, and actions toward health equity and improved health for Indigenous people and communities.
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 | 0,010 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,027 | 0,035 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».