The DISCuSS model: Creating connections between community and curriculum – A new lens for curricular development in support of social accountability
Notice bibliographique
Résumé
Medicine's social mandate recognizes the importance of introducing changes to systems and practices to meet the healthcare needs of marginalized populations. Social accountability efforts encompass a wide array of actions, including equity, diversity and inclusion initiatives, and adapting knowledge relevant to practice across education, research, and clinical domains. To influence change in education, ongoing structures and processes are needed to ensure adequacy, relevance, and effectiveness of curricular coverage. In support of this, we created an innovative and creative approach to developing curricular modules to prepare medical students to provide care that is responsive to the cultural, economic, and psychosocial realities of diverse patient populations. The DISCuSS model (Diversity, Identify, Search, Create module (with community engagement), Sustainability, Social accountability) provides a community-engaged, iterative approach to curriculum development relevant to social accountability. Over the past 5 years, we have created nine curricular modules focused on health-related inequities and social concerns, including modules on Indigenous and refugee health, sexual and gender minority health, human trafficking, and addiction. AFMC Graduation Questionnaire results have shown a statistically significant increase in our students 'preparedness to provide care to diverse populations.' The DISCuSS model, which continues to evolve, can be adapted and used in other settings.
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 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».