Notice bibliographique
Résumé
Harassment is commonly experienced within the hierarchical world of medicine by both learners and faculty. There are different types of harassment; however, all types of harassment have a negative impact on individuals professionally and personally. Harassment also negatively impacts groups, by impacting team dynamics, perceptions of leaders, and upon workplace psychological safety and wellness. To address harassment, the Faculty of Medicine and Dentistry (FoMD) at the University of Alberta (UAlberta) has developed a structured institutional response to harassment through: (1) providing institutional members and leaders with explicit expectations of behaviour, outlining types of harassment, and starting to integrate psychological safety priorities at all levels of the institution; (2) through aiding, training, selecting, and evaluating workplace leaders in psychological safety, workplace wellness, and harassment interventions, guiding leaders through options of: coaching types of interventions, investigations, and when there is a duty to report to formal bodies; (3) educating and providing tools for workplace members to deal with harassment situations either; directly or by reporting; and (4) being aware of, and addressing, unique aspects of: racial, sexual, and online harassment. Through such iterative institutional process improvement and reflection, we are moving towards effectively addressing harassment within all learning and working environments. Our ultimate institutional goal is to eradicate harassment occurrence within our institution, thus creating a psychologically safe, transparent, and accountable culture for individuals, workplaces, and groups.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».