MétaCan
Menu
Retour à la cohorte
Enregistrement W2097657073 · doi:10.12927/cjnl.2007.19285

Everything I Know About Informatics, I Didn't Learn in Nursing School

2007· article· en· W2097657073 sur OpenAlexaffvenueabout
Lynn Nagle

Notice bibliographique

RevueNursing leadership · 2007
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensCanada Health Infoway
Organismes subventionnairesnon disponible
Mots-clésNursingHealth informaticsPsychologyNurse educationInformaticsMedical educationPedagogyMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

To date, efforts to initiate future graduates and nurses currently in practice into the world of information and communication technologies (ICTs) have been provided by relatively few nurse educators. In the past decade, nursing informatics leaders have developed a profile of informatics competencies for nurses, novice to expert -for example, the National Nursing Informatics Project (Hebert 2000) -and have demonstrated actual Findings from recent studies (Nagle and Clarke 2004; Infoway 2007) suggest that a minority of Canadian schools of nursing have tackled the challenge of integrating informatics throughout their nursing curricula. When asked to respond to a recent survey (Infoway 2007), some schools decided not to participate because there were no faculty members with appropriate expertise in the area, while other schools did not regard informatics as relevant content for their program. Nevertheless, over the years, several schools of nursing have had the foresight to create a single informatics course -usually an electiveat the undergraduate or graduate level. I have held discussions with several deans and directors of schools of nursing over the past two years, and most of them recognize that this is a content area to be reckoned with sooner rather than later. No graduate nursing program has as yet created an informatics specialty option, but stay tuned.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,822
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,151
Tête enseignante GPT0,446
Écart entre enseignants0,294 · 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'étudeAutre devis
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

Citations14
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207