Characteristics, Engagement and Academic Performance of First-Year Nursing Students in Selected Ontario Universities
Notice bibliographique
Résumé
With an aging population nationally, nursing programs have struggled to meet the demand for nurses in our healthcare system. Student attrition remains high at 28% within the first two years of the Baccalaureate nursing programs. In order to meet healthcare system demand, nursing programs need to ensure that students persist, graduate, and are academically successful on the national examination. As a first step in student success, one needs to identify effective educational practices in first-year nursing programs that are associated with student engagement within the Canadian context. Extensive research in the U.S. has examined educational practices and student engagement. However, few national or international studies examined nursing student characteristics and engagement and student success. This study examined the extent to which first-year nursing students are engaged in effective educational practices and any relationships between student demographic, external, academic, social, and institutional variables, and student engagement. A descriptive correlational design was used to conduct a secondary analysis of pre-existing 2008 National Survey of Student Engagement (NSSE) data from nursing students in 13 Ontario Universities. Descriptive statistics were computed to examine student characteristics and the distribution of NSSE benchmark scores. Step-wise multiple regression analysis was used to identify relationships between predictor variables and student engagement and academic performance (grade point average). The results identified several significant predictors of first-year nursing student engagement including age, ethnicity, hours spent preparing for class per week, grade point average, hours per week spent participating in cocurricular activities, participating in physical fitness activities, and institutional size. Being a first-generation student and age were significant predictors of academic performance for first-year nursing students. The findings provide insight into some of the drivers of engagement in first-year nursing education and may also inform policy and practice for improving nursing student engagement and, ultimately, graduation rates.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».