A Mixed Method Study of Nursing Students' Experiences of Discrimination Within Their Programs
Notice bibliographique
Résumé
AIM: This research aimed to explore nursing students' experiences and perspectives on discrimination within nursing programs across classroom and clinical contexts, as well as structural discrimination through institutional policies and processes. DESIGN: Convergent mixed methods. METHODS: Survey and individual interviews to capture students' experiences and perspectives on discrimination within nursing programs. RESULTS: Quantitative findings suggest that the majority of nursing students (79.2%) self-reported experiencing discrimination during their nursing program. These experiences stem from racism, homophobia, transphobia, and mental health stigma. While most of these experiences were reported in clinical contexts from nurses, patients, and clinical educators, students also reported experiencing discrimination in classroom and program contexts through nurse educators, peers, and policies. Qualitative findings provided nuanced insights into these discriminatory experiences across contexts and sources. Additionally, findings suggest that the majority of the students perceive stigma and discrimination to be a significant issue within nursing education and recommend priorities for addressing this issue. CONCLUSIONS: Despite nursing professions' central commitment to addressing discrimination and promoting social justice, stigma and discrimination faced by nursing students within nursing programs remain a significant concern. IMPLICATIONS FOR PROFESSION: Preventing discrimination and promoting social justice within nursing is a central responsibility of the nursing profession. Student-identified priorities suggest an upstream approach that involves education for nurse educators and staff to redress ongoing discrimination experienced by nursing students. IMPACT: This research contributes to the growing empirical evidence that nursing students experience discrimination within nursing programs across clinical, classroom, and program contexts and highlights student-identified priorities for addressing discrimination. PATIENT OR PUBLIC CONTRIBUTION: No patient or public contribution.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».