Evaluation of a cultural competence educational programme
Notice bibliographique
Résumé
AIM: This paper reports a study, which evaluated the effectiveness of a cultural competence educational programme to increase Public Health Nurses' cultural knowledge. BACKGROUND: Cultural competence has great significance for practising nurses and has become a priority and commitment of the Nursing profession. Public Health Nurses interact regularly with clients from a variety of culturally diverse backgrounds. Thus, there is a need for an integrated programme with theoretical and experiential knowledge related to cultural competence for PHNs to enhance their knowledge and skills to better meet the needs of the population. DESIGN: This study used a combination of quantitative and qualitative methods for data collection. A one-group Repeated Measures design was used to evaluate the effectiveness of the educational programme. METHOD: The sample consisted of 76 Public Health Nurses who attended a cultural competence educational programme, which was offered over five consecutive weeks, of 2 hours duration and reinforced by a booster session at 1 month postimplementation of the programme. Cultural knowledge was measured on the Cultural Knowledge Scale, which was a valid, reliable, 25-item Likert scale. Data were collected at four points in time and were analysed with repeated measures analysis of variance. Qualitative data were content analysed. RESULTS: Findings revealed that the intervention was effective [Wilks' Lambda was F(3,69) = 142.02, P < 0.01] in increasing the nurses' cultural knowledge. Qualitative results complemented the quantitative findings. Participants reported that the programme was effective in increasing their cultural knowledge. CONCLUSION: Although Public Health Nurses, who attended the educational programme increased their cultural knowledge, these findings are not generalizable to nurses working in other settings. However, the programme has clinical utility and could be adapted and given to nurses in other settings.
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 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».