Still a Long Way to Go: Integrating Antiracist, Anti-oppressive Education in Nursing
Notice bibliographique
Résumé
Systemic racism is evident in the racialized health outcomes of Indigenous patients in Canada and the Truth and Reconciliation Commission’s (2015) call to action number 24 urges nursing schools to provide antiracism training. Are nursing programs and faculty prepared for inclusion of antiracism education? White nurses are complicit participants in systemic racism, yet our current educational focus on culture cannot adequately address the ongoing racism. Since racism is a systemic problem, solutions must involve policy change. Despite availability of a body of antiracist, anti-oppressive literature developed and used in professions such as teaching, nurses are not currently being equipped to practice identifying and naming oppression so that our own complicity can be dismantled and so that we can teach antiracism to nursing students. Therefore, this research project sought to support nursing faculty by partnering with a community antiracism organization to pilot a workshop introducing antiracist, anti-oppressive education. A small group of white nursing faculty participated in a focus group interview reflecting on the workshop. The transcript data was analyzed using the methodology of poststructural discourse analysis grounded in critical race theory and critical whiteness studies. The analysis seeks to answer the research question: How do white nursing faculty construct themselves, Others, and antiracist education? The findings demonstrated that the participants constructed racial Others and themselves in particular ways consistent with the broader patterns of whiteness in antiracism literature. Participants also demonstrated particular understandings of antiracism education and pointed toward further support they need. The implications of these findings are considered at the level of white faculty members so as to prepare for broader antiracism policies and initiatives within nursing programs.
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 | 0,023 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,017 | 0,014 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,002 | 0,018 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».