File of Uncertainties: Exploring student experience of applying decolonizing knowledge in practice
Notice bibliographique
Résumé
It is critical that nursing education programs in Canada respond to the Truth and Reconciliation Commission’s call to develop a course about the documented impacts of Indigenous-specific racism on the health outcomes of Indigenous people. Initiatives such as San’yas Anti-racism Indigenous Cultural Safety Education, courses on trauma-informed care, and required Indigenous health and history classes in nursing programs are providing a solid beginning. However, the effectiveness of this education requires interrogation. This mixed methods study aimed to identify barriers and supports to incorporating decolonizing and antiracist knowledge into nursing practice with Indigenous patients/clients. Fourth-year nursing students at a Canadian university who had completed a core course on the impacts of colonization and Indigenous-specific racism on Indigenous health and wellness in Canada were surveyed to explore their experience of applying this knowledge during their clinical rotations. Sixteen participants responded to an anonymous online survey consisting of three short-answer open-ended questions and six Likert-style questions about their experiences. The emergent narrative themes and Likert-scale data indicate that although the students valued the information provided in the class, they continued to feel cultural tension and uncertainty when caring for Indigenous clients. Prominent areas of uncertainty included applying knowledge to practice, student confidence in disrupting racist treatment of Indigenous patients by their healthcare colleagues and knowing how to approach sensitive client situations to avoid re-traumatization. This article discusses the study’s implications and identifies areas for future research.
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 | 0,002 | 0,001 |
| 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 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».