A Bridge to Diversity in Nutrition Training
Notice bibliographique
Résumé
Data from the Academy of Nutrition and Dietetics indicates little diversity amongst registered dietitians and students training in nutrition currently and historically. The new national strategy and federal agency priorities recommend diversification of the nutrition workforce as a means of strengthening the practice to meet the needs of a more diverse nation – necessary to address disparities in nutrition and nutrition-related diseases. Importantly, innovation in research results from teams that are diverse, reinforcing the necessity of diversity in the nutrition workforce. We conducted Bridging the Gap 2, an intensive nutrition research program, to recruit undergraduates from groups underrepresented in nutrition and higher education. The 10-week program provided hands-on research experience with faculty mentors, professional development, and exposure to different areas of nutrition and food-related careers. Participants received a complimentary meal plan and housing on the campus of a 4-year university. The pilot cohort (n=6) included mostly women and half identified as Hispanic/Latino. Exit survey data indicated that the majority were somewhat or extremely satisfied with the program. Qualitative responses highlighted areas for improvement including support for transportation costs, a desire for more nutrition education, and more structured daily research activities. At the conclusion of the program 50% of students who were not nutrition majors initially, indicated that they will switch to the major. The pilot nutrition research program generated positive results that indicate the ability of targeted programming to engage those underrepresented in or not studying nutrition and may be important to diversify the nutrition workforce.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».