Narrative Pedagogy in Public Health: Teaching Systemic Inequities Through the Short and Tragic Life of Robert Peace
Notice bibliographique
Résumé
This study explores the impact of integrating The Short and Tragic Life of Robert Peace into the undergraduate public health course PBHL 2950: Disparities in Health as a pedagogical tool to enhance student understanding of systemic inequities. Traditional lecture-based methods often fail to effectively convey complex concepts such as social determinants of health (SDOH), systemic racism, and economic disparities. Narrative-based learning, however, has been shown to deepen student engagement by humanizing statistical data and theoretical constructs. Using a mixed-methods approach, this study assesses how engagement with Robert Peace’s life story influences students’ comprehension of public health frameworks, including the Social-Ecological Model (SEM) and SDOH, and their ability to critically analyze structural inequities. Findings indicate that students demonstrated significant improvement in their ability to identify systemic health disparities, apply public health theories, and engage in policy discussions. Qualitative analysis of student reflections revealed increased empathy, enhanced systems thinking, and a stronger motivation for public health advocacy. However, students faced challenges in developing actionable, multi-tiered public health interventions, underscoring the need for structured guidance on intervention design. The study suggests that integrating real-world narratives into public health curricula can bridge the gap between theory and lived experience, preparing students with the critical thinking skills necessary for addressing health disparities. These findings contribute to ongoing discussions on innovative teaching strategies that cultivate cultural competence, policy awareness, and advocacy-oriented thinking in future public health professionals.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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 ».