MétaCan
Menu
Retour à la cohorte
Enregistrement W2113506819 · doi:10.1111/nin.12027

Choosing nursing as a career: a narrative analysis of millennial nurses' career choice of virtue

2013· article· en· W2113506819 sur OpenAlexafffund
Sheri Price, Linda M. Hall, Jan Angus, Elizabeth Peter

Notice bibliographique

RevueNursing Inquiry · 2013
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensUniversity of TorontoDalhousie University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésNarrativeVirtueSocializationNursingPsychologySociologyMedicineSocial psychologyPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

The growth and sustainability of the nursing profession depends on the ability to recruit and retain the upcoming generation of professionals. Understanding the career choice experiences and professional expectations of Millennial nurses (born 1980 or after) is a critical component of recruitment and retention strategies. This study utilized Polkinghorne's interpretive, narrative approach to understand how Millennial nurses explain, account for and make sense of their choice of nursing as a career. The positioning of nursing as a virtuous choice was both temporally and contextually influenced. The decision to enter the profession was initially emplotted around a traditional understanding of nursing as a virtuous profession: altruistic, noble, caring and compassionate. The centricity of virtues depicts one-dimensional understanding of the nursing profession that alone could prove dissatisfying to a generation of professionals who have many career choices available to them. The narratives reveal how participants' perceptions and expectations remain influenced by a stereotypical understanding of nursing, an image that remains prevalent in society and which holds implications for the future recruitment, socialization and retention strategies for upcoming and future generations of nurses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0080,007
Communication savante0,0060,008
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,351
Écart entre enseignants0,309 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations118
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNursing InquiryMême sujetNursing education and managementTravaux en français237 207