MétaCan
Menu
Retour à la cohorte
Enregistrement W3208092864 · doi:10.3928/01484834-20210913-02

Fostering Equity, Diversity, and Cultures of Inclusiveness Through Curricular Development

2021· article· en· W3208092864 sur OpenAlexaboutno aff
Jennifer Lane, Ingrid Waldron

Notice bibliographique

RevueJournal of Nursing Education · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Competency in Health Care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRubricSyllabusCurriculumTransformational leadershipEquity (law)Diversity (politics)Political scienceAccreditationMedical educationNova scotiaPedagogyNursingSociologyPublic relationsMedicine

Résumé

récupéré en direct d'OpenAlex

Background: Developing, supporting, and evaluating initiatives that foster equity, diversity, and a culture of inclusiveness (EDI) within nursing programs are important to effect change that will improve the impact, relevance, and effectiveness of how historically marginalized populations are represented by and within the nursing profession. Method: The curriculum was identified as a key factor in effecting change within the school of nursing at a university in Halifax, Nova Scotia, Canada. An EDI Curriculum Project sought to evaluate course syllabi to identify areas where courses could align with EDI initiatives within the school and the university more broadly. Results: An EDI rubric was developed to assess syllabi using a standardized approach along five criteria. Conclusion: The rubric can be adapted to align with the EDI initiatives being undertaken within institutions that seek to bring about transformational change in the nursing profession and society more broadly. [ J Nurs Educ . 2021;60(11):614–617.]

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,225
Score d'incertitude au seuil0,620

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,151
Tête enseignante GPT0,475
Écart entre enseignants0,323 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing EducationMême sujetCultural Competency in Health CareTravaux en français237 207