The influencing factors of absenteeism among nursing students
Notice bibliographique
Résumé
The absence of nursing students from classrooms and clinical has a negative impact on their performance and prolongs the length of their studying. The aim of this study is to identify the influencing factors of absenteeism among nursing students at Minia University. This study was conducted at the Faculty of Nursing at Minia University, and Minia University Hospitals. The sample of students that participated in the study represented all academic levels as follows: first level 49/370, second level 49/292, third level 52/248, and fourth level 50/220. Data were collected with the use of a self-administered questionnaire. This study revealed that influencing factors of absenteeism among the studied nursing students indicated that the highest mean scores were associated with teaching factors, followed by assessment factor where means scores were (18.3 ± 4.5, and 17.1 ± 5.6, respectively). Also, the lowest mean score reported was associated with social problems (mean = 8.9 ± 3.2). This study concluded that the most common contributory factors in student absenteeism were related to teaching factors including a shortage of staff in the clinical area, and lack of understanding of the lecture content. Recommendations: Providing a safe learning environment, keeping accurate records of attendance and calculating absenteeism rates at frequent intervals are required for identifying each individual’s pattern of attendance.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 0,000 |
| 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 ».