Trainee perceptions of multicultural climate and supervision in neuropsychology
Notice bibliographique
Résumé
INTRODUCTION: Mentor relationships are important in developing and supporting professional self-efficacy among psychology trainees. Additionally, the rapid diversification of the United States calls for the preparation of clinical neuropsychology trainees to work within a multicultural context. The present study aimed to assess neuropsychology trainees' perceptions of multicultural climate and supervision and if these perceptions differ based on trainee demographics. We also sought to identify aversive experiences of trainees, program strengths or weaknesses, and how programs support trainees. METHOD: = 71) programs across the United States and Canada who completed a survey assessing perceptions to multicultural climate and supervision. 64.5% self-identified as women, 60.3% as heterosexual, and 46.1% as non-Hispanic White. 34.5% of trainees reported at least one American Disabilities Act (ADA) recognized disability. RESULTS: Though satisfied with general supervision, trainees reported overall dissatisfaction with multicultural supervision. Satisfaction with multicultural supervision did not differ by demographics. Trainees also reported various aversive experiences with supervisors, clients, and research participants that negatively impacted their training. These experiences were at times due to an aspect of the trainee's multicultural identity, with Black and Hispanic trainees being more likely to report an aversive experience. Trainees reported ways in which they felt unsupported by their programs. CONCLUSIONS: Important areas of growth for programs are discussed. Issues raised by neuropsychology trainees overlap to some degree with the experiences of trainees in other fields. Recommendations of approaches that have been successfully adopted in other fields to improve trainee satisfaction are provided. Early identification of needs that go above and beyond clinical training will allow programs to respond promptly, improve trainee satisfaction, and potentially improve the retention of trainees from diverse backgrounds.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».