MétaCan
Menu
Retour à la cohorte
Enregistrement W2148829641 · doi:10.3928/01484834-20040401-08

Effects of Computer-Based Clinical Conferencing on Nursing Students’ Self-Efficacy

2004· article· en· W2148829641 sur OpenAlexaff
Yolanda Babenko‐Mould, Mary‐Anne Andrusyszyn, Dolly Goldenberg

Notice bibliographique

RevueJournal of Nursing Education · 2004
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPracticumSelf-efficacyCurriculumMedical educationNursingIntervention (counseling)Nurse educationPsychologyMedicinePedagogy

Résumé

récupéré en direct d'OpenAlex

A pretest-posttest, quasi-experimental, control group design and Bandura's theory of self-efficacy were used to examine the influence of computer conferencing on fourth-year baccalaureate nursing students' self-efficacy for professional nursing competencies and computer-mediated learning (CML) during a final clinical practicum. Descriptive analysis was also used to explore themes regarding strengths and challenges of online learning. The convenience sample included 42 direct-entry students (control group: n = 27; online intervention: n = 15). Within both groups, there was a significant difference in self-efficacy for nursing competencies from pretest to posttest. However, between-group posttest scores were not significantly different. Computer conferencing enhanced learning, and students' self-efficacy for CML increased at posttest. Strengths of CML included connection, support, learning, and sharing. Challenges involved time and Internet access. Insights gained may assist educators in curriculum development when considering how CML strategies support clinical courses and strengthen learning communities.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,940
Score d'incertitude au seuil0,523

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,046
Tête enseignante GPT0,459
Écart entre enseignants0,414 · 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

Citations45
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing EducationMême sujetOnline and Blended LearningTravaux en français237 207