PEARLS debriefing for social justice and equity: integrating health advocacy in simulation-based education
Notice bibliographique
Résumé
Addressing health inequities in health professions education is essential for preparing healthcare workers to meet the demands of diverse communities. While simulation has become a widely recognized and effective method for providing safe and authentic clinical learning experiences, there has been limited attention towards the power of simulation in preparing health practitioners to work with groups who experience health disparities due to systems of inequality. Balancing technical proficiency with educational approaches that foster critical reflection and inform action oriented towards social accountability is essential. Transformational learning promotes the development of critical consciousness through critical reflection. Debriefing plays a crucial role in fostering learning in this direction by providing a structured opportunity to critically reflect on taken for granted assumptions, examine power and privilege embedded within systems and structures, and empower learners to take action toward changing those conditions. Building on the Promoting Excellence and Reflective Learning in Simulation (PEARLS) Healthcare Debriefing Tool, we propose a PEARLS Debriefing for Social Justice and Equity (DSJE) Tool that specifically directs attention to systems of inequality that contribute to health disparities for vulnerable groups across a range of simulation scenarios. This approach has two aims: (a) to transform debriefings into a critically reflective space by engaging learners in dialogue about social and structural determinants of health that may create or perpetuate inequities and (b) to foster critical reflection on what actions can be taken to improve the health and well-being of identified at risk and vulnerable groups. From this perspective, we can use the adapted PEARLS Tool to incorporate conversations about systems of inequality, equity, diversity, and inclusion (EDI) into our existing educational practices, and make concentrated efforts towards community-driven and socially conscious simulation-based education (SBE).
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 | 0,049 | 0,158 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».