“We talk teeth”: Exploring faculty EDIA (equity, diversity, inclusivity, and access) capacity in dental education
Notice bibliographique
Résumé
PURPOSE: There are increasing concerns regarding inequitable educational access and experiences for underrepresented populations in health education, prompting dental faculties to recognize EDIA (equity, diversity, inclusivity, and access) capacity as a strategic priority. Faculty members contribute to the establishment and reinforcement of institutionally engrained norms within learning settings with significant influence on the experience of students. Currently, there is limited literature on faculty EDIA capacity within dental education and minimal evidence to inform barriers to development. This study sought to explore how dental faculty members perceive their personal and institutional EDIA capacity and to identify current strengths and weaknesses of EDIA development within the institution of study and dental education. METHODS: Using a hermeneutic study design, semi-structured interviews were conducted on a convenience sampling of dental faculty members (n = 10) and a thematic, interpretative analysis was applied. RESULTS: Findings revealed six dominant themes impacting EDIA capacity. Knowledge of EDIA language, interfaculty communication, and institutional messaging are identified as weaknesses, whereas informal, community building events for EDIA development are identified as novel strengths meriting prioritization. Motivation to engage in EDIA by faculty members overall is illuminated in relation to emotionally provocative experiences. CONCLUSION: Current institutional communication of EDIA is unconsciously restricting capacity building based on hierarchical and prescribed parameters. Developing capacity in dental education requires a redirection of resources to initiatives valuing social bonding over prescribed box-checking. This study reveals a new narrative of EDIA capacity within dental education and sustainable pathways for development with high transferability to other health programs.
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 | 0,015 | 0,020 |
| 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 | 0,007 | 0,014 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,009 |
| 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 ».