MétaCan
Menu
Retour à la cohorte
Enregistrement W2611934960 · doi:10.5539/gjhs.v9n8p21

Crafting, Constructing and Developing a Nurses’ Professional Identity Scale (NPIS)

2017· article· en· W2611934960 sur OpenAlexvenueno aff
Shehnaaz Moola

Notice bibliographique

RevueGlobal Journal of Health Science · 2017
Typearticle
Langueen
DomaineNursing
ThématiqueNursing Education, Practice, and Leadership
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIdentity (music)Scale (ratio)CategorizationPsychologyPsychological interventionPresentation (obstetrics)Factor (programming language)Self-conceptNursingSocial psychologyApplied psychologyMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

The main objective was to measure the professional identity of nurses and to evaluate the ways to measure and develop the Nurse’s Professional Identity Scale (NPIS) as perceived by Saudi student nurses. The study employed a quantitative research design to assess the measurement scale of Nurse’s Professional Identity. Data collection was done through a questionnaire from 442 student nurses, who have been recruited through a randomized sampling approach. A factor analysis identified five-factor dimensions within a multi-dimensional structure of 45 items. Factor 1 has been identified as the most important factor on self-presentation as most significant and important to the technique of constructing and forming a professional identity. Factor 2 has accounted for 5.62; Factor 3 has accounted for 5.14; Factor 4 has accounted for 4.29; and Factor 5 has accounted for 4.25. Factor 1 consisted of 16 variables and all items with loadings greater than (>0.3), which deals with self-esteem. It has been evaluated that the nursing professional identity scale can be used to adapt and assess the developing/forming stages of student nurses and the variables needed for constituting a professional identity. Self-presentation, self-image, self-esteem, self-categorization and self-concept are directly associated with certain activities, interventions, and approaches required to be developed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0010,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,050
Tête enseignante GPT0,439
Écart entre enseignants0,389 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetNursing Education, Practice, and LeadershipTravaux en français237 207