Developing Research-Informed Guidance on Preparing Pharmacy Students to Care for Diverse Populations
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this study was to develop research-informed guidance on how to better prepare students for working with diverse populations through exposure to diversity representation within case-based learning materials. METHODS: This was a qualitative interpretive phenomenological study using audio-recorded semi-structured interviews for data collection. Interviews were conducted virtually with 15 recent program alumni from Dalhousie University and 15 members from underrepresented communities in Nova Scotia, Canada. Audio-recordings were transcribed verbatim and framework analysis was used to code and categorize data. Themes were interpreted from categorized data and a conceptual model was developed based on the results. RESULTS: The conceptual model highlighted that awareness of diversity and health equity paired with practice and application of learning were perceived to be important for preparing graduates for practice. It was found that awareness could be best achieved through exposure to diversity within cases. To effectively expose students, programs must deliberately identify diverse populations to include, seek perspectives and engagement from those populations when writing cases, ensure conscientious representation of diversity without reinforcing stereotypes, and provide resources for discussion and further learning. CONCLUSION: Through the development of a conceptual model, this study provided research-informed guidance representing diversity within case-based learning materials. Findings support the notion that representation of diversity must be deliberate, conscientious, and collaborative with those offering diverse perspectives and lived experiences.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».