MétaCan
Menu
← Retour à la cohorte
Enregistrement W2581571291

Defining and Assessing Abilities-based Outcomes for Nursing Education: Lessons from the Faculty of Nursing at the University of New Brunswick (Fredericton)

2015· article· en· W2581571291 sur OpenAlexaffabout
Monique Mallet-Boucher, Claudia McCloskey, Karen Tamlyn, Janice L. Thompson, Kathy Wilson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Critical Thinking Development
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésSummative assessmentFormative assessmentCurriculumMedical educationRelevance (law)Nurse educationProcess (computing)PsychologyNursingPedagogyMedicinePolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This session presented the process and results from a history of defining and assessing core abilities for graduates of nursing degree program(s) at the University of New Brunswick, Fredericton. The process has included integrating the Maritimes Provinces Higher Education Commission Degree Level Qualifications Framework (2006) and the competencies for entry-level nurses, as defined by the Nurses Association of New Brunswick (NANB, 2013). Our approach was to use these categorizations of abilities for nursing practice, integrating knowledge, values, skills, attributes and predispositions into broadly defined core domains of ability. In our professional degree program, these domains of practice ability are nested within philosophical commitments to: dialogic relations with students; preparation for nursing practice as a democratic professional; human caring, social justice; and primary health care. These philosophical influences were discussed, noting their relevance in other disciplines.  Our session presented specific information about the process of defining the domains of ability that structure the curriculum in our degree programs and the process of defining formative and summative assessment strategies for our learning outcomes. Lessons learned were shared by panel members from serendipitous experiences.

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)0,075
score de la tête « metaresearch » (Gemma)0,036
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,695
Score d'incertitude au seuil0,606

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0750,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0070,010
Communication savante0,0120,008
Science ouverte0,0030,009
Intégrité de la recherche0,0020,007
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,134
Tête enseignante GPT0,424
Écart entre enseignants0,290 · 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
GenreEmpirique

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

En bref

Citations0
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetEducation and Critical Thinking Development→Travaux en français237 207→