Educating Medical Students’ “Hearts and Minds”: A Humanities-Informed Cultural Immersion Program in Indigenous Experiential Community Learning
Notice bibliographique
Résumé
Well-documented disparities in health status persist between Indigenous and non- Indigenous people in Canada. Medical schools have a responsibility to address underlying causes of these inequities, in part by developing future physicians’ cultural humility and their capacities in cultural safety by increasing critical anti- racism knowledge and understandings about First Nations, Inuit, and Métis Peoples. Undergraduate medical education relies heavily on, among other pedagogies, experiential learning. Moreover, a growing body of research is evidencing the value of applying humanities-informed approaches to medical education in order to produce “better doctors” (i.e., physicians who are more empathetic, compassionate, and attuned to wholistic orientations to patient wellness). The combined impact of these two approaches (experiential learning and humanities-informed pedagogies) on medical students’ development of cultural humility and capacities in cultural safety with Indigenous Peoples is unknown. This paper describes how the First Nations Community Education Program—an innovative humanities-informed Indigenous cultural immersion program—was developed and implemented as a collaborative project of the Northern Medical Program (itself the result of a partnership between the University of British Columbia’s Faculty of Medicine and the University of Northern British Columbia), the First Nations Health Authority, and Northern Health. The paper also documents impacts of the program and provides a resource for other medical education programs considering similar initiatives focused on cultural humility or the Truth and Reconciliation Commission’s Calls to Action.
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 | 0,002 |
| 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 ».