Justice in Educational Content: A Guide to Racial and Cultural Representation in Academic and Clinical Teaching and Assessment
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Case-based instruction is broadly used in health professions education, including physical therapy education. Case-based instruction can support achievement of higher-order, applied, learning objectives and clinical reasoning. Instructors strive to represent the diversity of the clinical population in case studies and may have explicit intercultural competency objectives. The inclusion of cultural, racial, and ethnic characteristics in cases or assessments can potentially reinforce stereotypes or inaccurately emphasize these characteristics as direct predictors of health profile. Furthermore, as most physical therapy faculty creating cases are from a White majority stance, there is a risk that inclusion of cultural elements risks inappropriate and biased representation. POSITION AND RATIONALE: Well-intentioned instructors risk substituting cultural, racial, and ethnic characteristics for social and structural determinants of health. Race is a social, not biologic construction and should not be confused. Informed instructors guided by evidence-based strategies can achieve rich case depictions that do not convey inaccurate risk or alienate learners. DISCUSSION AND CONCLUSION: A curriculum design strategy is offered for case development that brings explicit attention to representation of race and culture. This tool serves as a self-reflective and improvement tool. Continued community and student engagement is necessary to achieve high-quality and instructive case studies.
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 | 0,045 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,009 |
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 ».