Interprofessional subjective experiences of EDI in a virtual healthcare working group: a collaborative ethnography
Notice bibliographique
Résumé
Purpose This paper aims to examine the experiences of diverse interprofessional participants in an Equity, Diversity and Inclusion (EDI) working group with a common interest in EDI in one of the largest pediatric teaching hospitals in Canada and how the impacts of this experience extend outside of the group. Design/methodology/approach This qualitative research utilized an inductive approach in line with the Gioia methodology (Gioia et al. , 2013) to explore individual experiences as participants in an EDI working group. Seven group members were interviewed in-depth and engaged in storytelling and journaling to capture their experiences and perspectives. The perspectives of six members are reflected here, representing diversity across ethnicity, professions and subjective experiences, with a common interest in working together to improve EDI knowledge dissemination, training and practice in a healthcare setting in Canada. Findings Retrospective research activities facilitated a co-constructed account. The analysis reveals that EDI group participation is a positive learning experience for individuals described as thriving in their careers. Analysis of collaborative perspectives emphasizes how collective identity cultivates vitality in the EDI group environment. EDI group members exhibit agency as proponents of social change, navigating and negotiating institutional norms in varying professional spaces. Research limitations/implications The participants included members of an EDI working group in healthcare. Six perspectives are reflected here. Implications for personal experience and career development in organizations are discussed. Originality/value This study contributes to understanding how participating in specific interest groups, such as a group focused on EDI, informs personal and career development. It also contributes to our understanding of intrinsic motivation, as evidenced among volunteers in this healthcare setting. Our study also depicts an environment of vitality and learning and that collective thriving can be produced and may have extra-role implications.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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 ».