Decentering Whiteness in Nursing Education: The Pitfalls, Tensions, and Opportunities
Notice bibliographique
Résumé
Statement of Research Problem: The Truth and Reconciliation 94 Calls to Action (TRC) (2015) calls for the implementation of accessible and appropriate Indigenous health education. Schools of Nursing are increasingly implementing various approaches to teach Indigenous health. Limited research exists for Canadian nursing students' experiences of learning Indigenous health. This study explored undergraduate nursing students' experiences of learning Indigenous health from four Schools of Nursing across Canada. Particular attention is paid to the factors that shaped student and faculty experiences of learning and teaching Indigenous health, respectively, the facilitators and challenges, and what constitutes a safe and effective learning environment.\nMethods: Using a qualitative methodology informed by critical ethnography nine semi-structured interviews were conducted with six undergraduate nursing students and three faculty members. Postcolonial theory was used to inform the work and a thematic analysis was utilized to elicit themes.\nResults: Findings resulted in five overarching themes: (1) encountering racism in education and practice, (2) need for faculty development, (3) decentering whiteness in the classroom, (4) creating cultural safety in the classroom, and (5) from classroom to practice.\nConclusions: Findings suggest that for transformative work to take place, the education system needs to work towards better representation of Indigenous faculty and students. Healthcare and education settings need to collaborate to develop anti-racist, anti-oppression, and decolonizing policies and procedures to support the translation of classroom learning into clinical practice. All work should be in partnership with local Indigenous communities. The work remains ongoing and health care professionals are accountable to bettering and humanizing the landscape of care for all Indigenous peoples and persons of color. Education is a political act and one that requires more accomplices in dismantling the colonial structures of violence.
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 | 0,107 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,025 | 0,066 |
| Communication savante | 0,026 | 0,026 |
| Science ouverte | 0,005 | 0,022 |
| Intégrité de la recherche | 0,008 | 0,015 |
| 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 ».