Pedagogies of discomfort and disruption: A meta‐narrative review of emotions and equity‐related pedagogy
Notice bibliographique
Résumé
INTRODUCTION: Discussions about equity in professional education can evoke a range of complex emotions. Approaches to emotionally challenging pedagogies may vary across professions. Comparative explorations of these approaches may yield fresh insights that could enhance our teaching and learning strategies within health professions education. Therefore, the authors sought to explore how the professional contexts of medicine, nursing and teacher education approach the role of emotions in equity-related pedagogy. METHODS: A meta-narrative approach was utilised to synthesise existing research on the relationship between emotions and equity-related pedagogy in three different professions. Six databases were searched using key terms yielding 3102 titles. After screening, 58 articles were selected for extraction. Through coding and analysis, the authors sought to gain a deeper understanding of why emotions are relevant to equity-related pedagogy in each profession, and how each profession grapples with emotional dissonance. RESULTS: There were both contrasting and complimentary meta-narratives about emotions and equity-related learning in medicine, nursing and teacher education. All three professions viewed emotions as relevant and essential for equity-related learning. Medicine and nursing sought to make emotions accessible and explicit, while foregrounding the need for learners to build skills to understand and address emotions such as critical reflection and dialogue. Meta-narratives in teacher education were similar to medicine and nursing; however, teacher education further emphasised the role of emotions in fostering community, trust and empathy. DISCUSSION: Existing meta-narratives regarding emotions and equity-related pedagogy in health professions suggest that medicine and nursing have acknowledged the intrinsic role that emotions play in equity-related learning yet lag behind teacher education in considering the role of emotions as a socio-cultural connector and mediator.
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 | 0,017 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,012 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».