A cross‐sectional survey‐based exploration of diversity in the admissions committees and student cohorts of genetic counseling programs over time
Notice bibliographique
Résumé
As of 2022, 89% of genetic counselors report being White, and 93% report being women. We examined diversity in genetic counseling (GC) program admission committees (ACs-who are responsible for deciding who will make up the future GC workforce) and student cohorts to understand the impact of recent diversification efforts, and where future work should be focused. One representative from each AC of the 57 accredited GC programs in North America in 2022 was invited to participate in a cross-sectional survey to provide information on the diversity of GC ACs and student cohorts between 2019 and 2022 for the following dimensions: race/ethnicity, gender, sexual orientation, disability status, neurodiversity, and rural or low socioeconomic status backgrounds. Members of 38/57 (67%) ACs participated. Using the Cochran-Armitage test for trends, significant increases were observed for the proportion of individuals of a racial/ethnic minority within ACs (from 9% in 2019 to 18% in 2022; p < 0.0001). There was no change for other minoritized social identities. There was no significant change over time in the proportion of students holding any of the minoritized social identities. A low correlation was found between the diversity of ACs and student cohorts. This study reaffirms the need for greater diversification efforts within ACs and student cohorts. Increased transparency about the social identities of AC members and about ACs' commitment to diversification may facilitate the diversification of the profession.
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 | 0,003 | 0,000 |
| 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 | 0,000 |
| 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 ».