Striving While Accepting: Exploring the Relationship Between Identity and Implicit Bias Recognition and Management
Notice bibliographique
Résumé
PURPOSE: Implicit biases worsen outcomes for underserved and marginalized populations. Once health professionals are made aware of their implicit biases, a process ensues where they must reconcile this information with their personal and professional identities. The authors sought to explore how identity influences the process of implicit bias recognition and management. METHOD: Using constructivist grounded theory, the authors recruited 11 faculty and 10 resident participants working at an academic health science center in Canada. Interviews took place from June to October 2017. Participants took an online version of the mental illness implicit association test (IAT) which provides users with their degree of implicit dangerousness bias toward individuals with either physical or mental illness. Once they completed the IAT, participants were invited to draw a rich picture and interviewed about their picture and experience of taking their IAT. Data were analyzed using constant comparative procedures to develop focused codes and work toward the development of a deeper understanding of relationships among themes. RESULTS: Once implicit biases were brought into conscious awareness, participants acknowledged vulnerabilities which provoked tension between their personal and professional identities. Participants suggested that they reconcile these tensions through a process described as striving for the ideal while accepting the actual. Relationships were central to the process; however, residents and faculty viewed the role of relationships differently. CONCLUSIONS: Striving for self-improvement while accepting individual shortcomings may provide a model for addressing implicit bias among health professionals, and relational dynamics appear to influence the process of recognizing and managing biases.
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 | 0,012 | 0,041 |
| 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 | 0,007 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 ».