Labour upon labour: A best evidence medical education (BEME) meta-ethnography of underrepresented students’ experiences of medical school
Notice bibliographique
Résumé
BACKGROUND: To date, advancing social justice in medical education has largely focused on recruitment and numerical representation of equity deserving groups. However, students recruited to diversify the profession often find themselves in an exclusionary environment that overlooks their multiple identities. The aim of this study was to illuminate underrepresented students' experiences of medical school to inform supports for these deserving students. METHODS: This meta-ethnography followed the seven steps developed by Noblit and Hare. Databases were systematically searched for peer-reviewed qualitative articles published between 2000 and late 2024 that described underrepresented students' experiences of medical school. Participants' and authors' concepts were collected and synthesized to develop new overarching concepts. RESULTS: Forty-nine qualitative studies met the inclusion criteria. Four overarching concepts were developed: working ten times harder; embodying the 'ideal' doctor; invisibility and hypervisibility; and survival strategies. CONCLUSIONS: This meta-ethnography deepens our understanding of historically excluded students' experiences of medical school. The default ideal of the (cis, white, wealthy, male, non-disabled) physician created an exclusionary environment that underrepresented students were forced to manage through additional cognitive, emotional, and embodied effort. This synthesis provides valuable strategies and considerations for medical educators and administrators committed to social justice initiatives grounded in underrepresented student voices.
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 | 0,006 | 0,233 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,327 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».