AC OMPREHENSIVE FACULTY DEVELOPMENT MODEL FOR NURSING EDUCATION MICHELE DRUMMOND-YOUNG, BSCN, MHSC (HCP), ⁎ BARBARA BROWN, BSCN, MSCN, ⁎ CHARLOTTE NOESGAARD, BN, MSCN, ⁎ OLA LUNYK-CHILD, BSCN, MSCN, ⁎
Notice bibliographique
Résumé
Professional nursing education has undergone profound legislative changes requiring a university baccalaureate in nursing as entry to practice as a registered nurse (RN) in Ontario, Canada. Subsequent partnerships between colleges and universities were mandated by the ministry of post secondary education in order to maximize existing resources, such as faculty, and capitalize on the strenghts of both sectors. Faculty, in partnered collaborative undergraduate nursing programs, are challenged by the ever-evolving transition in conceptualization, development, and delivery of nursing education; consequently, the design, dissemination, and evaluation of effective faculty development programs is of paramount importance (Steinert, 2000). This paper focuses on the creation of the Comprehensive Faculty Development Model implemented by a collaborative BScN program partnership in south-western Ontario. It describes the model's contextual underpinnings, illustrates the component parts, explains their relationship, and provides an in-depth discussion of foundational concepts. The model was developed under the auspices of a collaborative faculty development committee with representation from all partners. Summaries of four research studies designed and implemented by members of the partnership provide a useful assessment of how faculty members experienced the inaugural BScN program; however, more study is needed in order to understand what approaches to faculty development are most effective and sustainable. (Index words: Faculty development; Faculty development model; Learning communities; Collaborative partnerships) J Prof Nurs
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».