Online communities of practice as a communication resource for community health nurses working with homeless persons
Notice bibliographique
Résumé
AIMS: This study explored community health nurses' viewpoints about a Canadian online community of practice to support their practice with homeless or under-housed populations. BACKGROUND: Community health nurses who specifically work with homeless and marginally housed populations often report feelings of isolation and stress in managing complex problems in resource constraints. To strengthen intra-professional ties and enhance information access, an online community of practice was designed, implemented and evaluated by and for them. METHODS: Q-methodology was used. Sixty-six statements about the community of practice were collected from an online survey and focus groups, refined and reduced to 44 statements. In 2009, sixteen participants completed the Q-sort activity, rating each statement relative to the others. Scores for each participant were subjected to by-person factor analysis. RESULTS: Respondents fell into two groups -tacit knowledge warriors and tacit knowledge communicators. Warriors strongly believed that the community of practice could combat stigma associated with homelessness and promote awareness of homelessness issues, and valued its potential to validate and improve practice. Communicators would have used the community of practice more with increased discussion, facilitation and prompt responses. Generally, nurses viewed the community of practice as a place to share stories, validate practice and adapt best practices to their work context. CONCLUSIONS: Online communities of practice can be valuable to nurses in specialized fields with limited peer support and access to information resources. Tacit knowledge development is important to nurses working with homeless populations: this needs to be valued in conjunction with scientifically based knowledge.
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 | 0,009 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».