Vers une formation interculturelle renforcée : stratégies innovantes pour les sciences infirmières basées sur une analyse secondaire des défis identifiés
Bibliographic record
Abstract
Le personnel infirmier scolaire joue un rôle clé dans la promotion de la santé et la prévention des maladies chez les jeunes, particulièrement dans un contexte marqué par la diversité culturelle et les enjeux d'équité, diversité et inclusion (EDI). Au Québec, ces infirmières, souvent basées dans les Centres locaux de services communautaires (CLSC), assument des responsabilités allant au-delà des soins cliniques, collaborant avec les élèves, leurs familles et les équipes éducatives pour soutenir le bien-être et la réussite scolaire. Cependant, la formation infirmière initiale présente des lacunes en matière d'EDI. Bien que des concepts liés à la diversité soient abordés dans certains cours optionnels, ils sont insuffisamment développés. De plus, les simulations cliniques, qui renforcent les compétences techniques, ne traitent pas adéquatement des enjeux interculturels et d'EDI. Une analyse secondaire de données issues d'une thèse doctorale sur l'avancement des infirmières de minorités visibles met en évidence des obstacles importants à l'inclusion et à la mobilité professionnelle. Les résultats soulignent la nécessité d'intégrer une formation interculturelle et des stratégies pédagogiques adaptées, comme l'enseignement par simulation, afin de mieux préparer les infirmières à collaborer efficacement avec divers acteurs du milieu scolaire et à offrir des soins adaptés aux besoins spécifiques de chaque élève.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.059 | 0.048 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.011 | 0.020 |
| Scholarly communication | 0.031 | 0.018 |
| Open science | 0.003 | 0.015 |
| Research integrity | 0.005 | 0.007 |
| Insufficient payload (model declined to judge) | 0.009 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".