Clinical learning in nursing education as a factor to enhance organizational socialization in newcomer nurses
Notice bibliographique
Résumé
Background : Clinical learning in nursing education has a pivotal role in enhancing clinical competences of nursing students. Moreover it provides an anticipatory knowledge of the organizational contexts in which nursing care is delivered. The aim of this study was to demonstrate the role of clinical learning in nursing education to enhance post-graduation organizational entry. Method : A retrospective cross-sectional design was used. A sample of 250 newcomer nurses was enrolled in hospital settings. The mean age was 32.1 years (SD 7.95) and 79.2% participants were female. An adaptation of 3 items of Clinical Learning Environment and Supervision Scale, Organizational Socialization Inventory and validated items to assess turnover intention and therapy errors rate were used. Structural Equation Modelling was performed. Results : Clinical learning experienced in undergraduate education positively correlated with newcomers' organizational socialization (β = 0.41, p < .001), organizational socialization contributed to reducing turnover intention (β = -0.67, p < .001) and therapy errors rate (β = -0.24, p = .003). The model’s fit was good (RMSEA = 0.050, CFI = 0.971, TLI = 0.963, SRMR = 0.045). Conclusion : Undergraduate nursing education is an important phase to enhance an effective organizational socialization. Nursing education institutions and health care settings need to conjointly work to provide effective clinical settings for nursing education, in order to enhance both clinical learning and organizational 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 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 | 0,002 | 0,009 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».