The Toxic Mix of Multiculturalism and Medicine: The Credentialing and Professional-Entry Experience for Persons of African Descent
Notice bibliographique
Résumé
This essay is based on a case study of international medical graduates (IMGs) in Canada who migrated from sub-Saharan Africa. The chapter examines how narratives of race are situated and deployed in the field of medicine and can produce some aversive social–psychological landscapes in the credentialing and the professional-entry process as it relates to persons of African descent. It will show that, often without predetermination or intent, professionals of African descent in Canada are highly susceptible to implicit racial associations and implicit racial stereotyping in relation to evaluations of character, credentials, and culture. The article exposes some of the critical intersections of common experience, such as: (a) cultural deficit bias—Whiteness as an institutionalized cultural capital attribute; (b) confirmation bias—reaching a negative conclusion and working backwards to find evidence to support it; (c) repurposed sub-Saharan Blackness stereotypes—binary forms of techno-scamming and fraud; and (d) biased deception judgement—where the accuracy of deception judgements deteriorates when made across cultures. These social psychological phenomena result in significantly disproportionate returns on their foreign education and labour market experience for Black medical professionals that require decisive efforts in changing the narratives.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,037 | 0,030 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».