‘Mob aren’t staying when there’s no support’: Enablers and barriers of recruitment and retention of First Nations midwifery students – A qualitative study
Notice bibliographique
Résumé
BACKGROUND: Aboriginal and Torres Strait Islander (hereafter referred to as First Nations) childbearing women report negative experiences from a lack of culturally safe maternity care. Evidence supports improved health outcomes for First Nations women and infants when cared for by First Nations midwives. There are barriers to First Nations students accessing university, particularly nursing and midwifery students, with a lack of evidence exploring the experiences of First Nations midwifery students. AIM: This study aims to understand the impact of the current strategies to improve recruitment and retention of First Nations midwifery students and identify further innovations. METHODS: A semi-structured yarning circle was held with six Bachelor of Midwifery students at a university in Queensland, Australia. FINDINGS: Three key categories emerged: student recruitment, student retention and student success. Enablers included culturally appropriate recruitment, partnerships with other First Nations peoples, incorporating First Nations ways of Knowing, Being, and Doing, culturally safe support, placements and mentorship, and identification and representation. Barriers included financial impacts, experiences of racism and lack of Cultural Safety and humility. DISCUSSION: Overall, students felt the university provided a culturally safe environment and implemented strategies that supported students' recruitment, retention and success in the degree. They suggested improvements to current strategies and new ideas for implementation. CONCLUSION: Strategies to improve recruitment and retention of First Nations midwifery students are imperative to close the gap in educational attainment and improve health outcomes for First Nations peoples. These strategies need to be multi-layered, culturally appropriate and implement a whole of university approach.
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 | 0,014 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,009 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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 ».