What's your experience?: A duoethnographic dialogue to advance disability inclusion in medical education
Notice bibliographique
Résumé
BACKGROUND: Although disability inclusion in medical education is gaining interest internationally, scholarship and policy recommendations on this topic largely hail from the US, Canada, Australia and the UK. Existing scholarship, while calling for medical education to enact cultural and attitudinal change related to disability, has yet to exemplify how educators might critically examine their understandings. APPROACH: As two medical educators and researchers, one based in New Zealand and the other based in Saudi Arabia, we took a duoethnographic approach to explore tensions, possibilities and assumptions regarding disability and disability inclusion in medical education. Through a year-long synchronous and asynchronous dialogue, we examined our experiences in relation to literature from critical disability studies and disability inclusion in medical education. FINDINGS: We present recurrent themes from our dialogue. We consider what disability means, explore definitions and models of disability in our contexts, as well as our lived curriculum of disability. We grapple with the applicability of disability inclusion practices across borders. We explore the complexity of supporting access without a clear roadmap, while recognising educators' potential in this work. Finally, we recognise that, if disability is relational, we have the power and responsibility to address ableism in medical education. Throughout, we return to the importance of local consultation with disabled people (learners, physicians) to better understand how services ought to be oriented. CONCLUSION: Duoethnographic dialogue is a fruitful approach to critically examine understandings of disability with others and represents a necessary start to work in education that seeks to advance justice. We share possible actions to take the work forward beyond dialogue and suggest that readers engage in such dialogues with others in their own contexts.
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 | 0,034 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,042 | 0,072 |
| Communication savante | 0,022 | 0,031 |
| Science ouverte | 0,003 | 0,033 |
| Intégrité de la recherche | 0,011 | 0,028 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».