MétaCan
Menu
Retour à la cohorte
Enregistrement W2096464506 · doi:10.1177/1527154413493671

Lessons in Media Advocacy: A Look Back at Saskatchewan's Nursing Education Debate

2013· article· en· W2096464506 sur OpenAlexaffabout
Marie Dietrich Leurer

Notice bibliographique

RevuePolicy Politics & Nursing Practice · 2013
Typearticle
Langueen
DomaineNursing
ThématiqueNursing Education, Practice, and Leadership
Établissements canadiensUniversity of SaskatchewanUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésLicensureGovernment (linguistics)RealmNursingNurse educationPublic policyPublic relationsPolitical scienceMedicinePublic administration

Résumé

récupéré en direct d'OpenAlex

Nurses are encouraged to exert their influence in the realm of public policy, particularly policies related to the nursing profession, the health care system and the health of their clients. Media advocacy can be used by nursing organizations to mobilize public support on policy issues in order to influence policy makers. This article retrospectively examined the media advocacy efforts of nursing stakeholders in Saskatchewan, Canada in response to a new government policy that would have impacted educational requirements for licensure as a registered nurse (RN) in that province. Print media sources from the period January to March, 2000 were examined to determine the specific media advocacy techniques used by nursing organizations within the framework of the policy cycle. The success of nursing stakeholders in reversing the government position highlights the effectiveness of media advocacy as a tool to disseminate messages from the nursing profession in order to impact policy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,822
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,383
Écart entre enseignants0,344 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolicy Politics & Nursing PracticeMême sujetNursing Education, Practice, and LeadershipTravaux en français237 207