Using Simulation and Virtual Practice in Midwifery and Nursing Education: Experiencing Self-Body-World “Differently”
Notice bibliographique
Résumé
The journey into the world of midwifery or nursing requires the student to attend to the intertwining of self-body-world in order to shift their knowledge of self-body-world into a client/patient-centered context. One of the teaching-learning strategies used to provide safe opportunities is the use of simulations and virtual practices. Rather than learning intimate acts of touching, or life and death decision-making in situations with actual clients/patients, students enter their learning world with rubber torsos, cloth babies, and cyber clinics. The “other” is a simulated other, not a human. How does the student shift from seeing this simulated other as object to a sense of other as subject? In our world of constant use of technology for communication and entertainment, do students shift in and out of a cyber world easily or are they more captured by the simulated experience than with the human world? Has the human world redefined itself where the intertwining of self-body-world blurs the sense of where human body ends and cyber or simulated world begins? What is the place of Bildung when engaged with a cyber other? As a result of educational challenges, including rising enrolments, limited clinical placement opportunities, and increasing risk management concerns, there has been a proliferation in the use of simulation as a teaching strategy (Fox, Damazo, 2013; Schmitt, Gilbert, Brandt, Weinstein, 2013). This has left us –the authors– wondering about the student experience of simulation. What do they learn? How do they learn? How can this learning be applied in practice?
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 ».