“The straw that broke the camel’s back”: An analysis of racialized women clinicians’ experiences providing diabetes care
Notice bibliographique
Résumé
INTRODUCTION: Racialized women clinicians (RWCs) experience the brunt of unfair racial and gendered expectations, which is a direct result of their visible identity. Our study sought to understand how these experiences intersect to impact the personal and professional well-being of RWCs, and their approach to diabetes care. METHODS: Data were collected from 24 RWCs working within Canadian diabetes care settings, who participated in semi-structured, one-on-one interviews conducted from April 2021 to September 2021. The data were qualitatively analyzed using thematic analysis to develop emergent themes, and interactions were explored using the socioecological model (SEM), adapted to our study context. RESULTS: We identified three themes: (1) Discordance between self-identity and relational identity impacted how RWCs interacted with others, and how others interacted with them; (2) Tokenistic, "inclusive" organizational policies/practices and inherently racist and sexist social norms permitted acts of discrimination and led to the systematic othering and exclusion of RWCs within the workplace; and (3) Differential treatment of RWCs had both positive and negative impacts on participants' relational, workplace and self-identity. Using the SEM, we also found that differential treatment of RWCs stems from upstream policies, structures, and social norms, percolating through different levels of the SEM, including work environments and communities, which eventually impacts one's relational identity, as well as one's perception of oneself. CONCLUSION: The differential treatment of RWCs arises predominantly from macro systems of the work environment. The burden to address these disparities must be shifted to the source (i.e., namely systems) by implementing interventions that equitably value diversity efforts, institute policies of accountability and correction of implicit biases, and prioritize an inclusive culture broadly across faculty and leadership.
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 | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,020 | 0,009 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».