Advancing Equity and Empowering Science Students from Indigenous Communities
Notice bibliographique
Résumé
Implementation of Diversity, Equity, Inclusion, and Respect (DEIR) is crucial for supporting students in a culturally safe environment, reducing bias, fostering respect, broadening perspectives, enhancing collaboration, and improving education in science. DEIR with Indigenous reconciliation incorporates Indigenous-based DEIR initiatives as a response to the Truth and Reconciliation Commission (TRC) in Canada to acknowledge the intergenerational trauma and mistrust toward colonial institutions such as universities. Universities can advance reconciliation by incorporating DEIR with Indigenous reconciliation into everyday practices. Indigenous students are significantly less likely to attain degrees in science, technology, engineering, and mathematics (STEM). The lack of Indigenous representation in STEM significantly hinders the inclusion of Indigenous perspectives in scientific processes and decision-making. A collaborative effort is essential to improve Indigenous student recruitment in science programs. Scientists need to educate themselves on the colonial legacies of Indian Residential Schools (IRSs) and Indian Hospitals (IHs), as well as on the biases and barriers that Indigenous students face. While this paper focuses on several Canadian examples, it highlights challenges and traumas that are similarly faced by Indigenous students worldwide. Therefore, supervisors and research groups should actively participate in training sessions and develop strategies aimed at preventing discrimination and fostering inclusivity. This paper highlights the importance of DEIR with Indigenous reconciliation in university science programs and addresses issues of recruiting Indigenous students. The "Calls to Action" outlined in this paper will help scientists and educators understand barriers faced by Indigenous students, advocate for lifelong learning and social stewardship, and foster a more inclusive scientific environment.
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 | 0,011 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,027 | 0,015 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,002 | 0,030 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».