Designing accountability measures for health professionals: results from a community-based micro-credential: case study on Indigenous cultural safety
Notice bibliographique
Résumé
Abstract Background: There is a widespread commitment to implementing anti-Indigenous racism with health organizations in Canada by introducing cultural safety staff training. In partnership with a public health unit in Ontario, Canada, we developed an evaluation tool to assess the performance of staff who completed an online Indigenous cultural safety education course. Aims: To develop an accountability checklist that could be used for annual employee performance reviews to assess the use and level of knowledge received in professional cultural safety training. Intervention: We co-created a professional development accountability checklist. Five areas of interest were identified: terminology, knowledge, awareness, skills, and behaviours. The checklist comprises of 37 indicators linked to our community collaborators’ intended goals as defined in our partnership agreement. Outcomes: The Indigenous Cultural Safety Evaluation Checklist (ICSEC) was shared with public health managers to use during regularly scheduled staff performance evaluations. The public health managers provided feedback on the design, checklist items, and useability of the ICSEC. The pilot of the checklist is in the preliminary stage and data is unavailable about effectiveness. Implications: Accountability tools are important to sustain the long-term effects of cultural safety education and prioritize the wellbeing of Indigenous communities. Our experience can provide guidance to health professionals in creating and measuring the efficacy of Indigenous cultural safety education to foster an anti-racist work culture as well as improved health outcomes among Indigenous communities.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».