MétaCan
Menu
Retour à la cohorte
Enregistrement W2335936233 · doi:10.1515/ijnes-2015-0031

Professional Development Needs of Novice Nursing Clinical Teachers: A Rapid Evidence Assessment

2016· article· en· W2335936233 sur OpenAlexaff
Farah Jetha, Geertje Boschma, Marion Clauson

Notice bibliographique

RevueInternational Journal of Nursing Education Scholarship · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensUniversity of British Columbia HospitalUniversity of British ColumbiaBritish Columbia Institute of Technology
Organismes subventionnairesnon disponible
Mots-clésProfessional developmentNursingNeeds assessmentMedicineNurse educationFaculty developmentMedical educationClinical PracticeQuality (philosophy)MEDLINEPsychologySociology

Résumé

récupéré en direct d'OpenAlex

The current nursing profession is challenged with a decreasing supply of competent clinical teachers due to several factors consequently impacting the quality of nursing education. To meet this demand, academic nursing programs are resorting to hiring expert nurses who may have little or no teaching experience. They need support during their transition from practice to teaching. Using the systematic approach of a Rapid Evidence Assessment (REA), scholarly literature was reviewed to identify existing professional development needs for novice clinical teachers as well as supportive strategies to aid the transition of experienced nurses into teaching practice. The REA included 29 relevant studies. Findings revealed three main professional development needs for novice clinical teachers and key supportive strategies. Based on these findings recommendations for best practices to support and prepare novice clinical teachers are presented.

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)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,899
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,167
Tête enseignante GPT0,554
Écart entre enseignants0,387 · 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'étudeObservationnel
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

Citations44
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nursing Education ScholarshipMême sujetInnovations in Medical EducationTravaux en français237 207