Det dominerende hvite og konsekvensene av en mangelfull sykepleierutdanning i forhold til mørkhudede pasienter
Notice bibliographique
Résumé
Introduksjon: Omfattende diskriminering mot mørkhudede mennesker er svært utbredt i Norge, ifølge FN. Systematisk diskriminering referer til forskjellsbehandling i institusjoner på systemnivå, ofte utartet gjennom ubevisste handlinger som separere «oss» fra «dem». Dette fremprovoserer spørsmål om hvorvidt diskrimineringen også finnes i helseinstitusjoner, og spesifikt i sykepleierutdanningen. \nHensikt og problemstilling: Hensikten med denne oppgaven er utforske om representasjon av mørkhudede mennesker i sykepleierutdanningen utgjør noen forskjell for pasientbehandlingen, hvorvidt det er mangel på representasjon og hvilke eventuelle konsekvenser slik mangel kan føre til. Problemstillingen lyder som følger:\nEr det mangel på representasjon av mørkhudede mennesker i sykepleierutdanningen, og hvilke konsekvenser kan dette føre til?\nMetode: I denne litteraturstudien er det brukt ni fagfellevurderte artikler fra Storbritannia, Canada og USA grunnet mangel på relevant forskningslitteratur fra Skandinaviske land. Artiklene er analysert med Evans analysemetode, for å definere hovedtema og undertema som besvarer problemstillingen. \nResultat: Resultatet av denne studien viser en omfattende mangel på representasjon av mørkhudede mennesker i sykepleierens undervisningsmateriell. Dette kommer frem gjennom «fargeblindhet», helsepersonellets reduserte evne til å evaluere hudforandringer hos mørkhudede mennesker og en lite inkluderende språkbruk. \nKonklusjon: Mangelfull sykepleierutdanning relateres til lengre behandlingstid og dårligere utfall av behandling hos mørkhudede mennesker. Det avdekkes et stort forbedringspotensial innenfor sykepleierutdanningen som er avhengig av en kulturell forandring i det norske samfunn. Det å vike unna diskusjoner om pasientens hudfarge og hvorvidt den har noen betydning for pasientens behandling, kommer på bekostningen av deres helse. Per nå er sykepleierstudiet «av hvite for hvite».
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,014 | 0,009 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,053 | 0,020 |
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 ».