MétaCan
Menu
Retour à la cohorte
Enregistrement W2292905734 · doi:10.5430/jnep.v6n4p136

How midwifery students experience learning conditions in labor wards

2016· article· en· W2292905734 sur OpenAlexvenueno aff
Anne Brunstad, Tove Giske, Esther Hjälmhult

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2016
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDebriefingObstetricsAffect (linguistics)PsychologyNursingMedicineGrounded theoryMedical educationQualitative researchSociology

Résumé

récupéré en direct d'OpenAlex

Midwives are responsible for the well-being of women and babies during labor and birth. Learning midwifery is complex and challenging, and how students are welcomed into the labor wards affects learning. This study aimed to identify and explain the conditions that affected midwifery students’ learning in labor wards and their consequences. We used classical grounded theory to analyze longitudinal data from 15 individual and three focus group interviews of 10 postgraduate midwifery students in Norway.The key conditions identified that affect the learning outcomes of midwifery students were related to the students’ relationships with midwives, the students themselves and the learning arena. Tailored assignments from midwives enhanced students’ learning and apprehensive relationships with midwives inhibited learning. Midwives played a key role in facilitating students’ learning by tailoring their learning opportunities and debriefing after challenging incidents and thus smoothed how students’ emotions affect their self-esteem and learning process.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,734
Score d'incertitude au seuil0,309

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,056
Tête enseignante GPT0,455
Écart entre enseignants0,399 · 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'étudeSans objet
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

Citations23
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetNursing education and managementTravaux en français237 207