Barriers and Enablers to Implementing EDI-focused Admissions Initiatives at Queen’s Health Sciences
Notice bibliographique
Résumé
Members of equity-deserving groups face substantial barriers in matriculating into health professional programs. Equity-focused admissions interventions such as fee assistance programs, holistic review, diverse reviewer panel, and bias training could be used to address these barriers as suggested in the literature. Despite the stated commitment of multiple Canadian institutions towards improving equity in admissions, equity-focused admissions interventions are currently scarcely implemented. Queen’s Health Sciences (QHS), led by Dean Jane Philpott, has created an Action Table to revise and enhance the implementation of equity-focused admissions. In our study, we explored the perspectives of decanal members regarding barriers and enablers to implementing equity-focused admissions initiatives within QHS schools and programs. We conducted semi-structured interviews with six leaders across QHS and analyzed interview data using a constructivist approach. Barriers to implementing equity-focused admissions initiatives include concerns about matriculants' quality; a lack of resources for implementation; and a homogenous faculty, student, and applicants pool. Enablers include extrinsic motivators for participation in equity work, existing buy-in from members of QHS, increasing emphasis on equity in other areas of academic programs, other institutions, and society. By influencing students, faculty, and staff's values, beliefs, and actions, meritocratic culture may be creating the barriers identified in our study and reinforcing admissions processes that disadvantage certain groups. On the other hand, enablers may be intentionally disrupting the reinforcement cycle by encouraging beliefs and behaviour change. More research on the influence of societal and academic culture on equity in admissions and equity interventions’ influence on culture is needed.
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 | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».