MétaCan
Menu
Retour à la cohorte
Enregistrement W3157081826 · doi:10.1136/bmjstel-2020-000853

Diversity and inclusion in simulation: addressing ethical and psychological safety concerns when working with simulated participants

2021· review· en· W3157081826 sur OpenAlexaff
Leanne Picketts, Marika Warren, Carrie Bohnert

Notice bibliographique

RevueBMJ Simulation & Technology Enhanced Learning · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésHarmInclusion (mineral)Diversity (politics)Context (archaeology)ObligationPsychologyHealth careSocial psychologyEngineering ethicsSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Healthcare learners can gain necessary experience working with diverse and priority communities through human simulation. In this context, simulated participants (SPs) may be recruited for specific roles because of their appearance, lived experience or identity. Although one of the benefits of simulation is providing learners with practice where the risk of causing harm to patients in the clinical setting is reduced, simulation shifts the potential harm from real patients to SPs. Negative effects of tokenism, misrepresentation, stereotyping or microaggressions may be amplified when SPs are recruited for personal characteristics or lived experience. Educators have an ethical obligation to promote diversity and inclusion; however, we are also obliged to mitigate harm to SPs. The goals of simulation (fulfilling learning objectives safely, authentically and effectively) and curricular obligations to address diverse and priority communities can be in tension with one another; valuing educational benefits might cause educators to deprioritise safety concerns. We explore this tension using a framework of diversity practices, ethics and values and simulation standards of best practice. Through the lens of healthcare ethics, we draw on the ways clinical research can provide a model for how ethical concerns can be approached in simulation, and suggest strategies to uphold authenticity and safety while representing diverse and priority communities. Our objective is not to provide a conclusive statement about how values should be weighed relative to each other, but to offer a framework to guide the complex process of weighing potential risks and benefits when working with diverse and priority communities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,060
score de la tête « metaresearch » (Gemma)0,116
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,317

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0600,116
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0090,013
Communication savante0,0100,008
Science ouverte0,0030,025
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,331
Tête enseignante GPT0,511
Écart entre enseignants0,179 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations55
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Simulation & Technology Enhanced LearningMême sujetSimulation-Based Education in HealthcareTravaux en français237 207