MétaCan
Menu
Retour à la cohorte
Enregistrement W2333643838 · doi:10.2202/1548-923x.2072

Bringing Community Health Nursing Education to Life with Serious Games

2011· article· en· W2333643838 sur OpenAlexaff
Michelle Hogan, Bill Kapralos, Sayra Cristancho, Ken Finney, Adam Dubrowski

Notice bibliographique

RevueInternational Journal of Nursing Education Scholarship · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensSickKids FoundationOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésExperiential learningNursingNurse educationCurriculumTeam nursingHealth careMedicineOccupational health nursingMedical educationPsychologyHealth educationPublic healthPedagogy

Résumé

récupéré en direct d'OpenAlex

The ever changing needs of society have created a much needed shift in health care delivery from that of hospital to community. However, the role and process of community health nursing is foreign to most nursing students as the majority of nursing curricula continue to relate experiences and examples of nursing to the more familiar role of “nurse clinician.” In contrast to undergraduate nursing programs where the use of simulation and technology has been widely adopted to emphasize the role of the nurse clinician, the use of such technology hasn’t been widely used to address the learning needs of community health nursing students. Here, we present a descriptive paper on the development of an interactive, virtual learning environment (serious game) for acquisition of community health nursing skills. The serious game primarily presents a learner-centered, experiential learning and problem-based learning approach, addressing the learning needs of today’s students.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,660
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,128
Tête enseignante GPT0,461
Écart entre enseignants0,333 · 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'étudeAutre devis
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

Citations17
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nursing Education ScholarshipMême sujetEducation and Critical Thinking DevelopmentTravaux en français237 207