Pedagogical and Personal Experiences Motivating Indigenous Students to Pursue Medical Studies
Notice bibliographique
Résumé
When it comes to accessibility to healthcare and medical education, inequalities prevail within ethnically diverse populations, especially among Indigenous Peoples. The main objective of this qualitative study was to explore how Indigenous female medical students’ motivations played a role in their pursuit of a medical career. We use the Self-Determination theory to frame this study and conduct individual open-ended interviews with four female Indigenous students’ regarding their motivational sources for applying to medical school. We provide an illustrative scenario for each identified motivational source through a thematic analysis. Results revealed two main sources of motivations: (Jones et al., Acad Med, 2019, 94 (4), 512–519) pedagogical experiences (i.e., contextual factors at school, academic interests, and opportunities) and (Sloof et al., Med Educ, 2021, 55 (5), 653) personal experiences (i.e., family support and influence, and future career prospects). Indigenous students’ personal experiences were more prevalent and described autonomous forms of motivations, whereas sources of motivation that were pedagogically oriented reflected more controlled forms of motivations. Different types of motivations can be useful, but not sufficient for the tipping point when the time comes for medical school applications. Learning about specialized Indigenous streams for admissions played the most influential role in students’ decision-making to pursue medical studies. Promoting the visibility of the Indigenous stream coupled with the identification of different forms of motivation could be informative when outlining evidence-based recommendations with the aim of improving inequalities within the health professions.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».