Dismantling harmful legacies of counsellor education in Canada: A new era of lionhearted practices
Notice bibliographique
Résumé
This chapter is written from the perspectives of three racialized Asian women with lived experiences of navigating colonial and oppressive practices in academia within the landscape of counsellor education. The need for lionhearted practices is rooted in the lived reality that many racialized individuals experience harm and trauma from racial discrimination permeating the educational landscape, ranging from in-class interactions, curriculum materials, to grading criteria. The damage from continual exposure to these practices contributes to feelings of inadequate safety and support, leading many to consider leaving counsellor education altogether. To enhance safety, counsellor education must embed tools that support students and instructors in integrating steps towards greater cultural safety. Learning to facilitate lionhearted conversations, which are courageous dialogues that challenge biases and address harm directly, creates a more inclusive space for students. This practice is also crucial for promoting more responsive care for counselling clients who do not fit the conventional mold that counsellor education has historically prepared students for, an urgent endeavor given that racism is a public health emergency. In this chapter, Gina, Sherani, and Ya Xi collaboratively present the lived experiences that ground their work, a framework for understanding lionhearted conversations, and a self-assessment matrix wheel designed to help readers consider the lionhearted stances they can take when engaging in this critical work. Drawing on Yevgen’s instructional design expertise, they offer a series of animated videos to encourage applied practice of lionhearted stances. The chapter concludes with a call for systemic action to address harmful legacies in counsellor education, examines the impact on the well-being of those harmed, and invites genuine allyship to foster a culture of lionhearted engagement across the counselling profession.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,057 | 0,022 |
| Communication savante | 0,014 | 0,005 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».