MétaCan
Menu
Retour à la cohorte
Enregistrement W2118068079 · doi:10.5430/jnep.v3n9p36

Exploring pedagogical competence in a distance education nursing program: A case study

2013· article· en· W2118068079 sur OpenAlexaffvenue
Anna N. Vioral

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensGibson Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésCompetence (human resources)Nurse educationData collectionPsychologyDistance educationPedagogyNursingMedical educationMedicineSociology

Résumé

récupéré en direct d'OpenAlex

The proliferation of distance education programs and online learning presents tremendous opportunities to expand nursing educational offerings. The emergence of online learning into nursing education has also resulted in significant changes in pedagogy and institutional leadership. This case study investigates how leaders address pedagogical competence in a nursing program offering distant education courses according to selected national standards. This case study utilizes a triangulation assessment to address two research questions describing the experiences of a nursing program offering online courses. The Contingency Leadership Theory provides the theoretical framework. Data collection methods include a pre-interview assessment survey, telephone interviews of key respondents, and review of additional evidence. The results of this investigation reveal themes derived from data collection including technological environment, pedagogy, and leadership. The findings of this study may assist nursing leadership in their efforts to address pedagogical competence and to provide technological resources as nursing programs design or redesign their online education. Future research suggestions include exploring how pedagogical instructional design skills can be integrated into the course development process and examining the possible connections between pedagogical competence and program outcomes.

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)0,005
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,010
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0100,003
Communication savante0,0030,003
Science ouverte0,0030,004
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,389
Tête enseignante GPT0,552
Écart entre enseignants0,164 · 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

Citations2
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetOnline and Blended LearningTravaux en français237 207