Dietitians’ Participation in Anti-Racist Actions
Notice bibliographique
Résumé
The year 2020 marked a “call to action” for racial equity/social justice. In addition to increased engagement in antiracist action by individuals racialized as Black, folks racialized as white increased their engagement though at rates neither equal to nor sustained as that of Black-identified individuals. “White Fragility,” the emotional responses of white-identifying individuals when asked to consider their role in racism, has been postulated as a reason why white-identifying individuals do not engage in antiracist actions. Similarly, the psychological constructs of emotional regulation and distress tolerance may explain white-identifying individuals’ reluctance to engage in antiracist actions as those constructs describe an individual’s ability to regulate/tolerate “negative” emotions. Using a cross-sectional survey, we conducted a pilot and feasibility study to evaluate white fragility, distress tolerance and emotional regulation as possible influences on white, non-Hispanic-identifying healthcare professionals’ lack of engagement in antiracist actions. We analyzed the responses of n=82 white, non-Hispanic credentialled dietetics professionals. Correlation analyses demonstrated a highly significant negative association between white fragility and engagement in antiracist actions (-0.55, p<0.001). Multiple linear regression analyses revealed white fragility as a highly statistically significant negative predictor of engagement in antiracist actions when relevant demographic factors are controlled for (β-0.43; CI: -3.52, -1.15; R2=.34). Emotional regulation and distress tolerance were not significant predictors of engagement in antiracist actions. Feasibility analyses showed inadequate response and completion rates to allow for adequate power for analyses. Larger studies to explore these relationships are warranted, and strategies to improve recruitment, response, and completion rates are essential.
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 | 0,002 | 0,005 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».