Creating context with prebriefing: A case example using simulation
Notice bibliographique
Résumé
Background: Educational advantages of simulation have been widely reported. Pre-briefing and debriefing support simulation methods. However, few detailed accounts of how the learning activities surrounding simulation are implemented exist. Objectives: This case example provides a detailed description of learning activities surrounding a simulation experience with a deteriorating cardiac patient. The educational sequence integrates Benner et al. ’s goals for transforming nursing education. The study objectives were to design and evaluate an educational sequence using narrative, games, and simulation to teach students how to manage and anticipate the care of a deteriorating patient. Design: A case example with descriptive quantitative and qualitative evaluation is presented. Setting: The study took place on multiple days in a university simulation laboratory. Participants: All study participants (n = 43) were senior students enrolled in a Bachelor of Science in Nursing program. Methods: Students experienced an educational sequence and then rated and ranked educational activities. Results are reported with descriptive statistics. Students and faculty responded to the question, “What will you take from this experience?” Their responses were evaluated using constant comparison and expert review for themes. Results: Students identified ‘knowing how’, ‘increasing confidence’ and ‘understanding roles’ as what they took from the experience. Students ranked the simulation itself as the most helpful. Conclusions: Incorporating Benner et al .’s transformational educational goals informed the educational sequence and engaged students in the learning experience. This paper adds uniquely to the nursing literature by providing detailed accounts of the activities surrounding simulation that support student learning in multiple domains.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».