Nursing curriculum in some developed countries and proposed way of applying it in the Iranian nursing curriculum A comparative study
Notice bibliographique
Résumé
Introduction: Recently, student- centers have used for improving quality of nursing curriculum that traditional curriculum is not suitable for it. The aim of the present study is to identify how the student- center strategy have applied in nursing curriculum in America, Canada and Australia and proposed methods for applying it in the Iranian nursing curriculum. Methods: This comparative study was conducted according to Beredy’s model: Description, interpretation, juxtaposition, and comparison. The population was the documentation of world nursing colleges. The samples were totally 10 colleges of 3 countries: USA, Australia, and Canada who were selected by purposive sampling. The inclusion criteria were applying student- center in B.A. nursing curriculum. The data collection instrument was 5 stages of student center strategy which developed by Changiz & et al (2006). Nursing curriculum in these countries, were retrieved through their publications, books, the internet, their Sites and communicating electronically. The validity of these documents was assessed by internal validity and critique the external validity were reviewed. Data analysis was performed according to Beredy’s model. Results: Based on applying this strategy, proposed methods for applying student- center strategy are to inform students about rules, events and student growth- students research center- using new and various teaching and evaluation methods, advisory center- revised curriculum based on students’ view- attention to educational outcomes. Conclusion: There are different ways for applying student-center in nursing curriculum that Attention to them can promote Iranian nursing curriculum.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».