Diversity and inclusion in simulation: addressing ethical and psychological safety concerns when working with simulated participants
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| 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 découle