The efficacy of simulation debriefing in developing critical thinking in accelerated baccalaureate nursing students
Notice bibliographique
Résumé
Background: Critical thinking is an essential attribute of a nurse. Nursing education which incorporates simulation and debriefing learning activities has an important role to ensure key components of safety and clinical effectiveness are present before nursing students graduate. Aims and methods: To examine, using Quality and Safety Education for Nurses (QSEN) based rubrics, the relationship between simulation debriefing and critical thinking in nursing students enrolled in an accelerated second degree baccalaureate program. Results: Univariate Spearman Rho regression showed a significant direct relationship between critical thinking and all five components of debriefing (allowing reflection on student’s clinical judgement and approach to patient care; feedback received supportive and constructive; feedback helpful to learning; adequate time given to reflect and discuss clinical performance; and helping understand the rational for the actions and responses to performances). Logistic multivariate regression revealed that only three out of the five debriefing components predicted developing stronger critical thinking skills: allowing reflection on student’s clinical judgement and approach to patient care (χ 2 = 34.249, p = .011), adequate time given to reflect and discuss clinical performance (χ 2 = .068, p = .030), and helping understand the rational for the actions and responses to performances (χ 2 = 119.365, p = .001). Conclusions: Debriefing is an important aspect of simulation which helps enhance critical thinking skills in nursing students and thus should be appropriately addressed in education and research.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».