Curriculum Indigenization in oral health professions’ education worldwide: A scoping review
Notice bibliographique
Résumé
OBJECTIVE: To explore the literature on Indigenous content within the oral health professions' education curricula. METHODS: This scoping review included all types of literature on oral health care educational programs on Indigenous content, following the JBI (Joanna Briggs Institute) methodology. An initial search using "Indigenous," "education," and "oral health" as keywords informed a full search strategy for MEDLINE, CINAHL, Embase, Scopus, ERIC, EPPI, MedEdPORTAL, Google Scholar, ProQuest Dissertations and Theses Global, Australian Government Department of Health, and Australian Indigenous HealthInfoNet. The search included literature available until November 1, 2023, irrespective of language. Two reviewers independently screened the studies, and data were extracted and presented in tabular and narrative summary formats. RESULTS: A total of 948 records were identified, and 101 studies were chosen for full-text review. Twenty-three studies met the criteria for data extraction. Of all studies, 95.6% were published between 2007 and 2021, mostly from Australia and New Zealand. The most frequently covered content included Indigenous culture, followed by history, Indigenous oral health, and Indigenous Peoples' health. Rural and clinical placements were the most employed delivery methods, and evaluation surveys were the most employed assessment technique. Barriers to delivering an Indigenous curriculum included students' disinterest and limited interaction with Indigenous communities, while facilitators included cultural immersion and supportive mentorship. CONCLUSION: Despite progress in integrating Indigenous content into oral health education, challenges persist. Prioritizing Indigenous perspectives, community partnerships, and standardized assessment tools is needed. Future research should focus on long-term impacts and best practices for Indigenous curriculum development and delivery.
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 | 0,021 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,017 | 0,017 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».