MétaCan
Menu
Retour à la cohorte
Enregistrement W6887725658 · doi:10.17605/osf.io/bzg43

How do institutions assess progress on equity, diversity, inclusion, and anti-oppression? A scoping review protocol

2022· other· en· W6887725658 sur OpenAlexaboutno aff

Notice bibliographique

RevueArabixiv (OSF Preprints) · 2022
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth careGovernment (linguistics)Equity (law)Psychological interventionInclusion (mineral)Public healthOppressionAccountabilityHealth equity

Résumé

récupéré en direct d'OpenAlex

Healthcare professions and institutions have been implored to re-examine how established practices across patient care, administration, and professional training contribute to health inequities among diverse patient populations (Canadian Public Health Association, 2018; Dryden & Nnorom, 2021; Olayiwola et al., 2020). Several institutions have publicly acknowledged racism and other systems of oppression are systemically embedded within the healthcare system, while committing to prioritizing equity, diversity, and inclusion (EDI) as well as instituting anti-oppression efforts (Canadian Public Health Association, 2018; College of Family Physicians of Canada, 2021; College of Physicians and Surgeons of Ontario, 2022; Government of British Columbia, 2020). Similarly, academic institutions (Dewidar et al., 2022; Mori, 2022) and businesses (Baum, 2021; Bohonos & Sisco, 2021) have been called to meaningfully address EDI issues within their own organizations. Recent literature in this landscape is replete with calls to action and recommended initiatives for different institutions. For example, a recent scoping review (Hassen et al. 2021) that examined anti-racism interventions in healthcare settings, recommended strategies such as (1) use a multi-level, long-term approach; (2) embed racial equity policies and procedures (e.g., hiring, retention, promotion); (3) relate mandatory training to broader systems of power, hierarchy, and dominance; and (4) integrate mechanisms for self-reflections. Whereas such recommendations are useful in strategizing future efforts, there is scant literature on how to assess progress or performance of EDI and anti-oppression (EDIAO) initiatives, including poor understanding about how to measure or monitor change mechanisms or identify performance indicators. Notwithstanding, to ensure progress and demonstrate public accountability, institutions (including healthcare, academia, and businesses) must cultivate better understanding of how to assess organizational functioning regarding EDIAO. Correspondingly, our research explores the various ways in which institutional progress on EDIAO may be monitored or assessed in healthcare and other institutions, including academia and businesses. Further, EDIAO research with healthcare institutions remain limited with regard to strategies to evaluate impact of EDIAO initiatives; thus, examining other types of institutions, such as academia and businesses, might provide some insights. We use a scoping review methodology (Arksey & O’Malley, 2005; Tricco et al., 2018) to examine pertinent literature for the variable approaches to tracking progress and outcomes for institutional-level EDIAO initiatives across healthcare, academia, and businesses. This will include and overview of the types of tools and frameworks that may be employed to facilitate outcome identification, monitoring, and measurement.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,235
score de la tête « metaresearch » (Gemma)0,216
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,765
Score d'incertitude au seuil0,944

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2350,216
Méta-épidémiologie (sens strict)0,0040,006
Méta-épidémiologie (sens large)0,0120,017
Bibliométrie0,0230,019
Études des sciences et des technologies0,0060,005
Communication savante0,0110,013
Science ouverte0,0090,009
Intégrité de la recherche0,0090,007
Charge utile insuffisante (le modèle a refusé de juger)0,0540,013

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.

Tête enseignante Opus0,088
Tête enseignante GPT0,397
Écart entre enseignants0,309 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomaineÉvaluation
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArabixiv (OSF Preprints)Travaux en français237 207