Integrating trans health knowledge through instructional design: preparing learners for a continent – not an island – of primary care with trans people
Notice bibliographique
Résumé
In recent years the need to teach primary care providers to better care for transgender and non-binary (trans) patients has garnered significant scholarly and public attention. The alarming why motivating this surge in trans health primary care education has already been firmly established and needs no further comment. Instead, we offer new perspectives on how to do trans health primary care education. From treasured ‘trans 101ʹ educational interventions to trans health ‘clinical pearls’, the prevailing model used to teach primary care learners represents time-limited cultural competency-based education, which we argue creates an isolated education ‘island’. In rethinking this approach, we present an introduction to the concepts of knowledge integration and the transfer of learning and apply them to show how trans health knowledge and skills should be structured within existing curricula to support effective learning and application. These instructional design considerations have yet to be extensively explored when teaching primary care learners trans health content and may be critical to building pedagogy that ultimately improves healthcare delivery. We conclude that trans health – and trans patients themselves – must not be treated as an isolated education island of knowledge and practice. Rather, it is the responsibility of educators to design instruction that encourages learners to integrate this knowledge with foundational principles of primary care; building bridges across a continent of primary care practice landscapes in turn.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 ».