Wabishki Bizhiko Skaanj: a learning pathway to foster better Indigenous cultural competence in Canadian health research
Notice bibliographique
Résumé
OBJECTIVE: In Canada, Indigenous people experience racism across diverse settings, including within the health sector. This has negatively impacted both the quality of care that Indigenous people receive as well as how research related to Indigenous populations is conducted. Therefore, an Indigenous-led council at a kidney research network, in partnership with other key stakeholders, sought to create a learning pathway that aims to distill the racism that Indigenous people face, and build cultural competence, within the health sector. PARTICIPANTS: The learning pathway was designed for researchers, health care providers, patient partners and administrators. SETTING: Various components of the pathway are established trainings in healthcare and research settings at provincial and national levels. Provincially, some components are implemented in British Columbia, Alberta, Saskatchewan, Manitoba and Ontario. INTERVENTION: The pathway, called Wabishki Bizhiko Skaanj (meaning "White Horse" in Anishinaabemowin), involves six key steps: a culturally tailored blanket exercise that walks participants through the history of local Indigenous Nations/peoples; a more detailed online training program (San'yas); a series of webinars on Indigenous research ethics and protocols; an educational booklet about engaging Knowledge Keepers in research, as well as sharing details about their traditional knowledge and culture; two certification programs about Indigenous ownership of data; and a "book club," wherein the conversation of racism-and the goal for finding solutions-is continually discussed. OUTCOMES: Wabishki Bizhiko Skaanj is working to build cultural competence in the Canadian health sector. IMPLICATIONS: This learning pathway has the potential to address racial disparities across the country and improve health outcomes for Indigenous peoples.
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 | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,027 | 0,006 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,004 | 0,016 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 ».