MétaCan
Menu
Retour à la cohorte
Enregistrement W2130113069 · doi:10.12927/cjnl.2000.16284

A National Education Strategy To Develop Nursing Informatics Competencies

2000· article· en· W2130113069 sur OpenAlexaffvenue
Marilynne Hebert

Notice bibliographique

RevueNursing leadership · 2000
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésSophisticationHealth Administration InformaticsInformaticsHealth informaticsNursingEngineering informaticsNurse educationStakeholderKnowledge managementInformation technologyDocumentationMedicinePolitical sciencePublic relationsComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

Advances in the sophistication of information and communication technologies offer nursing practitioners opportunities for better information management, more complete documentation of their work, and knowledge development to support evidence-based nursing practice. However, a nursing culture that recognizes and adopts the contributions of technology to practice is required to take advantage of these opportunities. The nature of this change suggests a shift in emphasis from specialists in Nursing Informatics (NI) to NI being integrated into all four domains of nursing practice. The magnitude of change required on individual, organizational and professional levels points to the need for Nursing Informatics education strategies on a national level. Recognizing the role and history of NI specialists, defining NI and the required NI competencies are necessary first steps in developing such a plan. Expanding and adapting the educational infrastructure required to support this initiative follows. A working committee at the national level with representatives from a number of stakeholder groups is currently working on a National Nursing Informatics Project to address these issues. This article summarizes key points of an initial discussion paper.

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)0,010
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,001
Communication savante0,0040,003
Science ouverte0,0010,008
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,349
Tête enseignante GPT0,466
Écart entre enseignants0,118 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2000
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetElectronic Health Records SystemsTravaux en français237 207