MétaCan
Menu
Retour à la cohorte
Enregistrement W2184479711 · doi:10.34105/j.kmel.2015.07.026

Evaluation of an informatics educational intervention to enhance informatics competence among baccalaureate nursing students

2015· article· en· W2184479711 sur OpenAlexafffund
Manal Kleib, Kärin Olson

Notice bibliographique

RevueKnowledge Management & E-Learning An International Journal · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensUniversity of Alberta
Organismes subventionnairesFaculty of Nursing, University of AlbertaUniversity of Alberta
Mots-clésInformaticsCompetence (human resources)Health informaticsMedical educationNursingIntervention (counseling)Health careTest (biology)MedicinePsychologyPublic healthEngineering

Résumé

récupéré en direct d'OpenAlex

Concerns around quality of care and patient safety have been key drivers behind the increased interest in improving informatics competencies among health care providers. The purpose of this study was to develop an informatics educational intervention for baccalaureate nursing students and compare outcomes associated with vodcasting and face-to-face methods for delivering this material. Following a pilot test, we used a three-group posttest only design to test the effect of the intervention on knowledge gain, confidence and attitude outcomes toward the electronic health record. Forty-two individuals participated in this study. Findings showed that the intervention had a large effect on knowledge gain (0.444), but no effect on confidence or attitudes, and that vodcasting was equally effective to face-to-face methods for delivering informatics content. Following refinement of the knowledge gain instrument used in this study, we urge replication of this study in other settings with a larger sample.

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)0,013
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,774
Score d'incertitude au seuil0,831

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,003
Science ouverte0,0020,000
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 Opus0,104
Tête enseignante GPT0,489
Écart entre enseignants0,385 · 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'étudeObservationnel
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

Citations7
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKnowledge Management & E-Learning An International JournalMême sujetTechnology Adoption and User BehaviourTravaux en français237 207