Equity, Diversity and Inclusion in Nursing Educational Institutions: A Scoping Review
Notice bibliographique
Résumé
AIM: To present the current evidence on the nature and principles of Equity, Diversity and Inclusion (EDI) in Nursing Education Institutions (NEIs). METHOD: Five databases (CINAHL, Medline, Scopus, ERIC and Educational Research Complete) and websites of Canadian nursing education institutions were searched for studies and grey literature on EDI. Information was analysed using the Diversio Diversity and Inclusion Survey (DDIS) framework to highlight the nature and principles of EDI in NEIs. A content analysis guided by a deductive approach informed the data synthesis. RESULTS: Eighty-eight studies (90 papers) published between 1999 and 2025 were included from 1301 identified articles in the database search. The websites of seven nursing institutions in Alberta, Canada, were examined. The review revealed facilitators, barriers and gaps. The results illustrated the presence and need for diversity, inclusion, equal opportunity and fairness, employing the DDIS framework across participant groups, curricula and contexts. CONCLUSION: The literature on EDI in NEI is diverse and provides many facilitators, barriers, challenges and gaps. This review reveals the need for intervention and review studies to highlight specific practices that can lead to successful EDI implementation in NEIs. IMPLICATIONS FOR NURSING: These results show that further research is required to refine the definition of EDI within the nursing academy. Evidence must be advanced to develop nursing theories, frameworks and methods specific to EDI implementation. IMPACT: Promoting EDI is a vital goal for the nursing profession, and there is a need to understand how EDI behaves in NEIs. This review revealed facilitators, challenges, barriers, gaps and principles of EDI that exist within NEI in the literature. This data can support policy and practice change within NEIs and promote EDI within those organisations. REPORTING METHOD: The Preferred Reporting Items for Systematic Reviews and Meta-Analyses Extension for Scoping Reviews (PRISMA-ScR) checklist was adhered to in this review. PATIENT AND PUBLIC CONTRIBUTION: This study did not include patient or public involvement in its design, conduct, or reporting.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».