MétaCan
Menu
Retour à la cohorte
Enregistrement W2117489570 · doi:10.3414/me9222

Evaluating the Impact of Hybrid Electronic-paper Environments Upon Novice Nurse Information Seeking

2009· article· en· W2117489570 sur OpenAlexaff
Louise Lemieux‐Charles, Lynn Nagle, Günther Eysenbach

Notice bibliographique

RevueMethods of Information in Medicine · 2009
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésRecallAffect (linguistics)CognitionInformation seekingPsychologyComputer scienceApplied psychologyNursingMedicineMedical educationCognitive psychologyCommunicationInformation retrieval

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: The purpose of this study was to investigate the effects of hybrid environments (i.e. where part of the patient record is paper-based and part of it is electronic) upon aspects of novice nurse information seeking (i.e. amount of information accessed, choice of key information sources, type of information and use of information seeking tactics). METHODS: A within group, laboratory, experimental study was conducted using two simulated environments (i.e. a paper environment and a hybrid environment). Thirty-five novice nurses participated in the study. RESULTS: Findings revealed significant differences between the paper and hybrid environments in terms of their effects upon aspects of novice nurse information seeking. Subjects accessed: 1) less information in the hybrid environment than the paper environment, 2) more non-electronic sources of information were accessed by novice nurses in the hybrid environment, and 3) novice nurses used more passive information seeking tactics in the hybrid environment than the paper environment. Qualitative findings from the cued recall data revealed subjects experienced increased cognitive load in the hybrid environment. CONCLUSIONS: Hybrid environments may affect aspects of novice nurse information seeking. Future research should explore the effects of hybrid environments upon the information seeking of other types of health professionals (e.g. physicians, physiotherapists) with differing levels of expertise (i.e. novice, intermediate and expert).

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)0,018
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,855
Score d'incertitude au seuil0,681

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,124
Tête enseignante GPT0,607
Écart entre enseignants0,482 · 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.

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

Citations36
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethods of Information in MedicineMême sujetHealth Sciences Research and EducationTravaux en français237 207