Exploring nursing student and faculty perceptions of incivility in the online learning environment
Notice bibliographique
Résumé
Objective : The purpose of the study was to explore student and faculty perspectives regarding what constitutes incivility in the online learning environment (OLE). Online learning is increasingly prevalent in nursing education. Scant research describes characteristics of OLEs contributing to, or inhibiting, learning or affecting civility among learners/faculty. Educators must effectively manage uncivil behavior to reduce incivility in learning and work environments. Attribution theory is helpful in examining issues related to incivility. Methods and Results : Faculty (n = 34) and students (n = 44) reported perceptions of what constitutes incivility via an online survey, the Incivility in the Online Learning Environment (IOLE), an instrument described by Clark and colleagues. The groups reported somewhat different perceptions of the extent of incivility experienced but agreed on identification of uncivil behaviors. Both groups agreed that rude comments and name calling were definitely uncivil, however, several areas of disagreement existed between faculty and student groups as to other types of behaviors. For example, lack of timely feedback on assignments and an unclear syllabus were seen as incivility by students. High internal consistency (Cronbach’s alpha of .98 on the faculty scale, and .96 on the student scale) was obtained for the IOLE in this sample. Qualitative comments regarding suggested ways to promote civility were similar from both groups, including role modeling and penalizing incivility; students emphasize the need for clearly stated course requirements. Conclusions : Best practices are essential for developing/delivering online courses and in orienting faculty and students regarding expectations for professional behavior online. Faculty development should focus on using best practices to ensure online courses incorporate essential components enabling accessibility and efficiency for students navigating through them. Attention to this unique and increasingly typical learning environment is essential to the goal of prevention of incivility in both learning environments and subsequently in workplaces.
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 | 0,002 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».