Discovery Path: A Retention Strategy For Mid-Career Nurses
Notice bibliographique
Résumé
As health care administrators, policymakers, nursing organizations, and nurses begin to deal with the reality of a looming (and to an increasing extent, existing) serious shortage of nurses both in Canada and globally, recruitment and retention issues are again in the news. Much attention has been directed towards two responses: (a) attracting young people into the profession and helping them integrate into and identify with nursing as a lifelong career, and (b) developing sustainable retention strategies to ensure that nurses remain in nursing. One population that requires particular attention is the mid-career group of nurses. Those nurses, in their late 30s and 40s with 15 and more years of experience, have the professional memory that employers count on, the expertise that patients and clients require, and the experience and wisdom that young nurses depend on for coaching, mentoring, and support. Retention strategies targeted to these mid-career nurses require a diverse set of activities that are focused on those nurses' specific stage of personal and professional development and that recognize their unique needs. The purpose of this article is to describe a program that targets mid-career nurses, predominantly women who, having spent much of their careers and lives caring for others-children, parents, patients-are beginning to question their own futures. The goals of the program and the experiences of one group of nurses in the program, as well as the results of a two-year follow up with them, will be discussed. Recommendations for future retention strategies will also be offered.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,003 |
| Communication savante | 0,006 | 0,008 |
| Science ouverte | 0,005 | 0,013 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,007 |
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 source (Gemma direct ou Codex distillé), 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 ».