MétaCan
Menu
Retour à la cohorte
Enregistrement W4205921410 · doi:10.12927/cjnl.2021.26678

Commentary – Advancing Nursing in Canada: Toward the Elimination of Anti-Black Racism

2021· article· en· W4205921410 sur OpenAlexaffvenueabout
Keisha Jefferies

Notice bibliographique

RevueNursing leadership · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueFood Security and Health in Diverse Populations
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésRacismNursingOpposition (politics)Nurse educationAction (physics)Institutional racismPunishment (psychology)PoliticsCriminologySociologyPolitical scienceMedicinePsychologyLawSocial psychology

Résumé

récupéré en direct d'OpenAlex

This commentary challenges historic and contemporary issues within nursing and provides direction toward a more inclusive future for nursing. This is a call-to-action for nurses, nursing students and nurse allies to advance effort toward the elimination of anti-Black racism in nursing in Canada. To achieve this, it is imperative to move beyond the performative and adopt practices that enable critical reflection and action. Addressing the manner in which exclusion is reinforced and perpetuated requires interrogation of four distinct yet interconnected processes of racial exclusion and discrimination. Notwithstanding, the future of nursing requires a critical examination of the role of nursing in and relationship with oppressive institutions, including prisons. Abolition, regarded as a radical stance, argues that beyond disproportional incarceration rates, prisons exist within a system of punishment that inflicts long-lasting irreparable mental and physical trauma upon individuals, families and communities. The effects of incarceration on mental, physical and spiritual health is a healthcare crisis that is in direct opposition to the core tenets of nursing and health.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,958
Score d'incertitude au seuil0,671

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,030
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0150,009
Communication savante0,0050,003
Science ouverte0,0060,003
Intégrité de la recherche0,0380,034
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,395
Tête enseignante GPT0,442
Écart entre enseignants0,047 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations5
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetFood Security and Health in Diverse PopulationsTravaux en français237 207