Notice bibliographique
Résumé
Objective – To describe critical care nurses’ on-duty information-seeking behavior. Design – Participatory action research using ethnographic methods. Setting – A twenty-bed critical care unit in a 275-bed community (non-teaching) hospital. Subjects – A purposive sample of six registered nurses (RNs) working shifts in the critical care unit. Methods – The researcher accompanied six RNs on various shifts (weekdays and weekends, day and night shifts) in the critical care unit and used participant observation and in-context interviews to record fifty hours of the subjects’ information-seeking behavior. Transcripts were written up and checked by the subjects for accuracy and validity. The resulting rich data was analyzed using open coding (concepts which emerged during data gathering, for example “nurse’s personal notes”); in vivo coding (participant-supplied concepts, for example “reading on duty”); and axial coding (hierarchical, researcher-developed concepts such as “information behaviors, information sources, information uses, and information kinds”) (147). Main results – The critical care nurses constantly sought information from people (patients, family members, other health care workers), patient records, monitors, and other computer systems and noticeboards, but very rarely from published sources such as books or online databases. Barriers to information acquisition included equipment failure, illegible handwriting, unavailable people, social protocols (for example physician – nurse interaction), difficult navigation of computer systems, and mistakes caused by simultaneously using multiple complex systems. Conclusion – Critical care nurses’ information behavior is strongly patient-centric. Knowledge-based information sources are rarely consulted on duty due to time constraints and the perception that this would take time away from patient care. In seeking to meet the knowledge-based information needs of this group, librarians should be wary of traditional, academic models of information delivery. Instead, they should consider a tailored ready reference service incorporating quality and quantity filtering.
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 | 0,012 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».