Exploring Nursing Students' Attitudes Toward Transgender Individuals and Dehumanization of Transgender People: The Role of Psychological Characteristics
Notice bibliographique
Résumé
?introduction: The discrimination and dehumanization faced by transgender people is particularly intense, both at the societal level and in health services. Purpose: To examine nursing students' attitudes toward transgender individuals and to explore the role of empathy, demographic characteristics, and personality traits in shaping these attitudes. Additionally, to weigh and culturally adapt the Genderism and Transphobia Scale. Methodology: A cross-sectional study was conducted with a sample of two Universities, in Nursing Departments, with data collection via an anonymous questionnaire that included demographics, the Genderism and Transphobia Scale, the Ten-Item Personality Inventory, the Toronto Empathy Scale, and other tools to assess dehumanization. Data were analyzed with descriptive and inductive statistics, and the significance level was set at 0.05. Results: The results showed that the absence of empathy is associated with higher levels of prejudice and dehumanization. Mean values ??for the Transphobia/Genderism category were higher for males (75,831, SD = 36,337) compared to females (51,641, SD = 26,560) and for non-binary individuals (32,000, SD = 5,715), with statistically significant differences (p < 0.001). Empathy (TEQ) had a negative correlation with dehumanization (r = -0.415, p < 0.001) and transphobia (r = -0.480, p < 0.001). Openness to Experience was negatively correlated with transphobia (r = -0.337, p < 0.001). Linear regression models showed that empathy (? = -3.045, p < 0.001) and Openness to Experience (? = -4.070, p < 0.001) explain 34% of the variability in Transphobia/Genderism (R² = 34%). Conclusions: Enhancing empathy and incorporating inclusive education into nursing curricula can help reduce dehumanization and prejudice against transgender people
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».