Notice bibliographique
Résumé
Introduction Racism, discrimination and microaggressions experienced by underrepresented nursing students contribute to a loss of confidence, and feelings of sadness and anger.1,2,3 These experiences affect the students’ academic performance, and personal wellness. 1,2,3 There is a need for innovative and accessible resources that provide instruction and promote critical thinking regarding racism and microaggressions in the classroom and clinical setting. The aim of the CHARM project is to provide a toolkit for nursing students regarding how to respond safely and effectively to microaggressions. Method The use of eLearning and simulation games have successfully been used to provide education and problem-solving skills in healthcare when interacting with various groups of individuals. A group of seven nursing students are collaborating with faculty to develop an eLearning Toolkit and virtual simulation games (VSGs) focused on addressing racism and microaggressions. Results To date, the outline of a website that includes access to a pre-learning module and 5 VSGs have been designed. The pre-learning module includes definitions and education regarding the 6-step method to responding to microaggressions.4,5 The VSGs immerse the players into various scenarios where they are provided with options on how to respond in clinical situations and the potential consequences of the response they choose. Discussion This project is a work in progress, and it is hoped that this project will support nursing students, so that they feel less alone. In addition, we hope to improve their confidence and provide resources in managing encounters where racism and microaggressions occur.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».