What Outcomes Are Associated with Learning About Colonialism and Its Impacts on Indigenous Peoples in Health Professional Programs? A Critical Integrative Review
Notice bibliographique
Résumé
Background: The Truth and Reconciliation Commission of Canada called upon health professional programs to teach about historical and on-going colonalism. Since these calls to action, there has been an increase in educational opportunities on the topic. Although it is generally assumed that learning about colonialism will reduce racism and improve allyship towards Indigenous Peoples, an evaluation of this assumption is needed. Purpose: An integrated review of the literature was conducted to assess how participation in educational experiences is associated with learner outcomes and how they may vary according to course design considerations including the guiding framework, content foci, mode of delivery, activities, and duration. Methods: Studies assessing outcomes of educational activities related to the legacy of colonialism identified in a previous scoping review, as well as any such studies published since then were included in the present study. Data synthesis was performed using content analysis of the results and discussions presented in the included papers. Results: A review of 15 papers identified a backfire effect that was only evident among the studies that included a delayed post-evaluation timeframe. In two educational experiences, it was found that learners were more likely to express unfavourable attitudes towards Indigenous Peoples post-training. These educational opportunities were designed using a cultural safety framework and followed a similar course delivery (e.g., viewing of vodcasts, use of case studies) and provided similar content (historical policies, Indigenous cultural beliefs and practices). Conclusions: The findings should be interpreted with caution but point to plausible implications related to the backfire effect of educational opportunities on learners' attitudes towards Indigenous Peoples post-training.
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 | 0,022 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,014 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».