MétaCan
Menu
Retour à la cohorte
Enregistrement W2281411576 · doi:10.51847/d7m4zfjt69

10.51847/D7m4zfJt69

2000· article· en· W2281411576 sur OpenAlexvenueno aff

Notice bibliographique

RevueTime to knit · 2000
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Learning Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMastery learningPsychologyMedical educationNursingMathematics educationMedicine

Résumé

récupéré en direct d'OpenAlex

Introduction: Clinical education is one of the most important and crucial parts of Nursing education.Successful clinical education needs to adopt effective approaches that are based on up to date knowledge, clients' and patients' needs.Therefore, it can prepare the learners for learning.The aim of this study was to investigate the effect of model of Competency-Based Mastery learning on practical learning of nursing students.Material and methods: In a quasi-experimental study using pre-test and post-test with two group design, 28 nursing students were selected through census sampling method and placed randomly in 2 control and 2 experiment groups, each group containing 6 to 7 people.After taking the cognitive skills pre-tests, control group received traditional education and experiment group went under clinical education using Competency-Based Mastery Learning program for 12 days.As final step, the post-test cognitive skills were held and behaviors skill checklist were observed.Data was analyzed using SPSS software using Wilcoxon and Mann Whitney tests and Pearson correlation coefficient.Results: The findings showed that the participation of the Competency-Based Mastery Learning has been effective in promoting of their knowledge and skill.The mean scores of them significantly differed before and after the participating in Competency-Based Mastery Learning.and compare the clinical competency nurse training differed before and after in group of traditional education and Competency-Based Mastery Learning Group.Conclusion: Competency-Based Mastery Learning promises high level of learning for students, it seems Competency-Based Mastery Learning structured approve to maximizing opportunities for learning and professional development and clinical competency.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0020,001
Communication savante0,0040,002
Science ouverte0,0010,004
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,9680,965

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 Opus0,015
Tête enseignante GPT0,291
Écart entre enseignants0,277 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTime to knitMême sujetHigher Education Learning PracticesTravaux en français237 207