Student self-confidence with clinical nursing competencies in a high-dose simulation clinical teaching model
Notice bibliographique
Résumé
Objective: This paper describes undergraduate nursing students’ assessment of confidence in clinical practice within a modelthat uses a “high-dose” of clinical simulation to replace 50% of the traditional clinical experience hours in an upper division bachelor’s degree program. We assessed changes in self-reported confidence between the middle and end of a two-year nursingcurriculum. Design: Longitudinal design. We surveyed undergraduate nursing students to assess their perceived self-confidence in carryingout eight core competencies associated with generalist nursing practice with the Assessment of Nursing Education Scale (Robert Wood Johnson Foundation, 2009) at the mid-point (semester 2) and end of program (semester 4). Methods: Data were analyzed Generalized Linear models. To account for changes over time, we included program track(traditional BSN or 15-month accelerated second degree program) and gender (male/female) as co-variates in the models. Results: One hundred and twenty-two students completed the ANE at the two time points. Results for analysis of student confidence over time showed significant improvement on each of the eight domains of generalist nursing practice. There was nosignificant effect of gender or program type on student’s perceived self-confidence. Conclusions: Overall significant improvement in students’ self-assessed confidence from program mid-point to end-point lends support to the efficacy of a clinical teaching model that uses a high dose of simulation to substitute for traditional clinical hours.
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 | 0,004 | 0,003 |
| 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 | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».