Telementoring in Community Nursing: A shift from dyadic to communal models of learning and professional development
Notice bibliographique
Résumé
This article reports on a six-month telementoring initiative in a Canadian community nursing organization. The way in which Internet technologies may support and augment face-to-face mentorship of health care professionals is a relatively unexplored area of research and was the focus of this project. Participants ( N =22) were all employees of Saint Elizabeth Health Care (SEHC), a community nursing agency servicing 150,000 clients in urban and rural Ontario, Canada. Nurse mentees ( n =11) and nurse-mentors ( n =11) engaged in collaborative discourse in webKnowledge Forum, a second-generation computer-supported intentional learning environment (CSILE). Discussions among all participants were directed at collaborative learning and professional development. Results indicate that mentees contributed and read more notes than mentors and were more likely to engage in threaded discourse with peers. Readership patterns were similar for both groups. Fifty-eight per cent of all nurses reported improved asynchronous communication and problem-solving skills as a result of online collaboration. Seventy-five per cent of all respondents reported a positive professional development experience and 50% of all respondents reported improved clinical practice ability as outcomes of the telementorship program. All reported high satisfaction with the technology. It is concluded that this project facilitated a shift from dyadic mentor-mentee (preceptor-intern) training to communal opportunistic learning and professional development.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».