Evaluating the Effective Factors in Motivating Nurses to Participate in On-the-job Training Courses
Notice bibliographique
Résumé
Background: On-the-job Training is one of the most useful and economical methods for nurses to keep up with the latest progress in technology, as well as medical and social sciences. Encouraging nurses to improve their knowledge and skills is one of the most important responsibilities of a nursing management. This study aims to evaluate the effective factors in Motivating Nurses to Attend On-the-job Training Courses.Methods: This is a descriptive-analytical study which is on the basis of existing facts and information about the subject of the study. Our population comprises of 147 qualified nurses working in the hospitals of Torbat Heidariye University of Medical Sciences. Data was collected using questionnaire and analyzed using SPSS 21.Results: 46.3% of nurses were in 30-40 age group, 54.2% were females, 81.2% were married, 86.4% had B.S. 58.6% of nurses have been working in the hospital for less than 5 years. 87.8% of nurses were working on shifts, and the rest (1.8%) were supervisors. 94% of nurses agreed on the necessity of on-the-job training (moderately or highly required).Conclusion: we found out that there is no significant relationship between motivating factors and demographic characteristics. Also, there is an important difference between genders and organizational motivating factors. It means that the rate of male nurses’ participation in on-the-job training courses is higher than that of female nurses.Keywords: motivation, nurse, on-the-job training, hospital
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 | 0,010 | 0,020 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».