Equity, diversity, inclusion, and anti-oppression focused faculty development: Tensions in programming in health professions education
Notice bibliographique
Résumé
PURPOSE: As equity, diversity, inclusion, and anti-oppression education gains prominence in health professions education (HPE), faculty development programs are increasingly tasked with addressing systemic inequities and fostering transformative change. Little is known about the principles that guide the development of anti-oppressive faculty development programs, the decisions involved in their creation, or the challenges they face during implementation and sustainability. MATERIALS AND METHODS: This study examines five anti-oppression focused faculty development programs in North America to explore how they navigated tensions between institutional priorities, cultural change, and pedagogical practices. Using an interpretive multi-case study methodology, we analyzed program structures, participant experiences, and contextual factors to uncover common goals of these programs and tensions that they commonly experienced. We conducted the study from 2022 to 2024. RESULTS: Programs shared three overarching goals: shifting culture through faculty development, challenging oppressive structures, and encouraging open dialogue. However, each goal revealed distinct tensions. Shifting culture required balancing discomfort as a growth mechanism with the need for psychological safety and engaging resistant participants while retaining those already invested. Challenging oppressive structures exposed conflicts between institutional priorities and programmatic integrity, reliance on marginalized facilitators, and the constraints of operating within oppressive systems. Encouraging open dialogue involved addressing hierarchical norms, ensuring psychological safety, and sustaining relational learning within time and resource limitations. CONCLUSIONS: Our findings illuminate the complexities of operationalizing anti-oppressive principles in HPE. We argue that programs must ground their work in shared values, anticipate institutional pressures, and navigate competing demands with intentionality. These insights offer actionable strategies for educators and program developers seeking to foster meaningful, sustainable change in anti-oppressive faculty development.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,003 |
| 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 ».