Notice bibliographique
Résumé
The Partnership of Dietetic Education and Practice (PDEP) has introduced two new competencies surrounding diversity and culture to the Integrated Competencies of Dietetic Education and Practice (ICDEP). Dietetic educators can consider utilizing critical pedagogies, such as culturally responsive pedagogy (CRP), to support their implementation. Currently, it is unknown how CRP can be applied to support cultural competency education and training for Canadian dietetic students. As such, this narrative literature review aims to address this gap through the following research questions: 1) What is the current state of cultural competency education and training for Canadian dietetic students?; 2) What are the key principles and strategies of CRP?; 3) How are other healthcare professionals implementing CRP in their curriculum?; 4) What are the barriers and supports needed to implement and sustain CRP?; and 5) What are the best practices and recommendations for using CRP in implementing cultural competency education and training for Canadian dietetic students? From the findings, seven recommendations for stakeholders to implement into practice were generated: 1) Implement policies that support the delivery of cultural competency; 2) Implement faculty development training on CRP; 3) Recruit ethnically diverse faculty and student population; 4) Engage in self-reflection on personal attitudes and beliefs; 5) Design culturally relevant curricula; 6) Implement group assignments; and 7) Create opportunities for engagement for social action. With effective implementation, we can expect Canadian dietetic students to improve their cultural competence. Developing culturally competent dietitians is essential to reducing racial and ethnic disparities in immigrant populations and supporting equitable healthcare.
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 | 0,011 |
| 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 ».