Reimagining Bias: Making Strange With Disclosure
Notice bibliographique
Résumé
ABSTRACT: Academic presentations in health professions continuing professional development (CPD) often begin with a declaration of real or potential conflicts utilizing a three-slide template or a similar standardized display. These declarations are required in some constituencies. The three-slide template and similar protocols exist to assure learners that the content that follows has been screened, is notionally bias free, and without financial or other influence that might negatively affect health provider behavior. We suggest that there is a potential problem with this type of process that typically focusses in on a narrow definition of conflict of interest. There is the possibility that it does little to confront the issue that bias is a much larger concept and that many forms of bias beyond financial conflict of interest can have devastating effects on patient care and the health of communities. In this article, we hope to open a dialogue around this issue by "making the familiar strange," by asking education organizers and providers to question these standard disclosures. We argue that other forms of bias, arising from the perspectives of the presenter, can also potentially change provider behavior. Implicit biases, for example, affect relationships with patients and can lead to negative health outcomes. We propose that CPD reimagine the process of disclosure of conflicts of interest. We seek to expand reflection on, and disclosure of, perspectives and biases that could affect CPD learners as one dimension of harnessing the power of education to decrease structural inequities.
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 | 0,183 | 0,397 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,030 |
| Communication savante | 0,016 | 0,021 |
| Science ouverte | 0,004 | 0,015 |
| Intégrité de la recherche | 0,011 | 0,019 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».