Moving towards deep equity, diversity, inclusivity and accessibility in simulation: a call to explore the promises and perils
Notice bibliographique
Résumé
Principles and issues of equity, diversity, inclusivity, and accessibility (EDIA) are being explored currently in simulation designs and trainings but with limited depth, often raising more questions than answers. This editorial invites the broader healthcare simulation community to move beyond the superficial to explore more expansively and deeply these issues of EDIA within simulation. Simulation is the very environment and context from which we may confront how existing (power) structures can be dismantled and re-envisioned for more optimal redistribution of participation, power, and benefits. We can use simulation to experiment with variations of these realities, and start exploring consequences of such alternatives to benefit our broader health systems and societies. Simulation uniquely combines opportunities for experience, reflection, application and active experimentation, enabling a ripe ground for this study. In fact, it is the responsibility of simulation educators to take up this challenge, and to engage in meaningful scholarship to understand more about the impact of simulation in exploring EDIA topics. This editorial invites contributions of empirical and theoretical works that advance our collective understanding of EDIA, while also cautioning against complacency. The simulation community is urged to look inwards and also examine its own practices critically, in spite of the uncertainty, vulnerability and risks that this presents.
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 | 0,010 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,013 | 0,008 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,013 | 0,022 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 ».