Representation of diversity within written patient cases: Exploring the presence of a “hidden curriculum”
Notice bibliographique
Résumé
Abstract Background There are urgent calls to dismantle systemic racism and discrimination in pharmacy education and practice. It is recommended that educational programs critically review learning materials for occurrences of stigmatization that may reinforce population biases and stereotypes. Previous studies, as well as premises from race and queer theories, suggest that written cases that do not appropriately include or acknowledge patient diversity may promote a “hidden curriculum” that may foster implicit biases in student healthcare professionals. Objectives The purpose of this study was to explore the existence of a “hidden curriculum” within case‐based learning materials by determining the extent to which underrepresented populations were represented in case descriptions and how representation occurred within groups. Methods This was a qualitative content analysis of written patient cases (n = 76) used throughout the problem‐based learning curriculum at the College of Pharmacy, Dalhousie University (Halifax, Nova Scotia, Canada). Proportions were calculated for each variable identified to represent the categories of interest (race, gender, sexual orientation, relationship status, and presence of disabilities). Quantified data were analyzed and themes were identified to represent each category assessed. Results Data across all categories were mostly “undefined.” The most defined variables within each category were: white (race, 17.1%), female (gender, 53.9%), heterosexual (sexual orientation, 35.2%), married (relationship status, 29.6%), and wheelchair (disability, 1.3%). Defined variables were representative of dominant cultural groups with little representation of underrepresented populations. Themes identified were undifferentiated (race), binary (gender), heteronormative (sexual orientation), traditional (relationship status), and absent (disabilities). Conclusion Findings support the notion that there may be a “hidden curriculum” reinforcing biases and stereotypes due to the undefined nature of the cases. Educators should prioritize inclusion of diversity within cases as part of a coordinated plan, in order to ensure representation is appropriate and well‐distributed across the curriculum.
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 | 0,017 | 0,068 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».