MétaCan
Menu
Retour à la cohorte
Enregistrement W2515034114 · doi:10.1177/0844562116652230

Narrative Inquiry

2016· article· en· W2515034114 sur OpenAlexaffvenueabout
Gail Lindsay, Jasna Schwind

Notice bibliographique

RevueCanadian Journal of Nursing Research · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensToronto Metropolitan UniversityOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésNarrativeNarrative inquirySituational ethicsCurriculumPedagogyIdentity (music)PsychologyHealth careMedical educationNarrative criticismNursingSociologyMedicineSocial psychologyPolitical scienceAesthetics

Résumé

récupéré en direct d'OpenAlex

Narrative Inquiry is a research methodology that we adapted over the past two decades from Canadian higher education and curriculum studies to nursing research, education, and health-care practice. The Narrative Inquiry we use originated from Connelly and Clandinin in the 1990s, and rests on John Dewey's philosophy that experience is relational, temporal, and situational, and as such, if intentionally explored, has the potential to be educational. More specifically, it is only when experience is reflected upon and reconstructed that it has the potential to reveal the construction of identity, knowledge, and the humanness of care. Congruent with the expectation that nurses are reflective practitioners and knowledge-makers, Narrative Inquiry provides a means to enhance, not only quality of care, but quality of experience of those in our care: in education, our students, and in practice, our patients. In this article, we explicate how Narrative Inquiry may be lived in health-care education and practice, with a primary focus on nursing. We illuminate how we support our graduate students, the next generation of narrative inquirers, through a Narrative Inquiry Works-in-Progress group.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,040
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0110,014
Communication savante0,0140,009
Science ouverte0,0030,009
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0290,006

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 Opus0,231
Tête enseignante GPT0,498
Écart entre enseignants0,267 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations89
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Nursing ResearchMême sujetEmpathy and Medical EducationTravaux en français237 207