Findings Associated With a Novel Program Designed to Support Indigenous Faculty Members of U.S. Health Professions Schools
Notice bibliographique
Résumé

 
 
 Purpose: Recent studies on programs designed to support Indigenous faculty are lacking. Expanding numbers of successful Indigenous health faculty could help to improve delivery of culturally appropriate/responsive health care for Indigenous people. Methods: We enrolled nine American Indian/Alaska Native (AIAN) faculty participants in 2017 and 53 in 2018 in an Indigenous Faculty Forum (IFF). We provided instruction on academic advancement, addressed unique cultural considerations, and fostered networking and ongoing career support for AIAN faculty. We used a post-session survey, including the 22-item Diversity and Engagement Survey (DES) and focus groups, to assess initial reactions to the program and a follow-up survey to assess change at 1 year. Findings: Participants in both IFF sessions were predominantly female, most often aged 35–44 and from primary care disciplines. Two faculty members rose to a higher rank during the 1-year follow-up period. Findings from the DES illustrated that Common Purpose, Equitable Reward and Recognition, Cultural Competence, Trust, a Sense of Belonging, and Appreciation of Individual Attributes increased slightly from post-session to 1 year. The greatest change was for Respect, which increased from a mean of 3.42 (SD = 0.77) to 3.76 (SD = 0.67), p = .05. Focus group findings revealed that mentoring that includes the cultural perspectives of AIAN is lacking, as is respect for these faculty from the academic community, though survey findings showed respect improved over time. Conclusions: More tailored work is needed to support AIAN in U.S. academic settings if they are to achieve academic success and become role models for others entering academic 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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».