Problem-based learning curriculum disconnect on diversity, equitable representation, and inclusion
Notice bibliographique
Résumé
Diversity, equity, and inclusion (DEI) mission statements continue to be adopted by academic institutions in general, and by dental schools around the globe in particular. But DEI content seems to be under-developed in dental education. The objectives of this study were two-fold: to extract information from all the PBL cases at University of British Columbia's Faculty of Dentistry curriculum in terms of the diversity, equitable representation, and inclusion of patient and provider characteristics, context, and treatment outcomes; and; to compare these findings with the composition of the British Columbia census population, dental practice contextual factors, and the evidence on treatment outcomes within patient care. Information from all the 58 PBL cases was extracted between January and March 2023, focusing on patient and provider characteristics (e.g., age, gender, ethnicity), context (e.g., type of insurance), and treatment outcomes (e.g., successful/unsuccessful). This information was compared with the available literature. From all the 58 PBL cases, 0.4% included non-straight patients, while at least 4% of BC residents self-identify as non-straight; there were no cases involving First Nations patients although they make up 6% of the British Columbia population. Less than 10% of the cases involved older adults who make up almost 20% of the population. Only Treatments involving patients without a disability were 5.74 times more likely to be successful compared to those involving patients with a disability (p<0.05). The characteristics of the patients, practice context, and treatment outcomes portrayed in the existing PBL cases seem to differ from what is known about the composition of the British Columbia population, treatment outcome success, and practice context; a curriculum disconnect seems to exist. The PBL cases should be revised to better represent the population within which most students will practice.
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 | 0,004 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».