Motivation and personal challenges while enrolled in higher education: The pathway to becoming a baccalaureate nurse
Notice bibliographique
Résumé
Background: The exploration of the non-traditional or self-sufficient financially independent student experiences in higher education are considerably less researched, specifically addressing personal experience while pursuing higher education, when compared to traditional, those who recently graduated from high school, college students. Therefore, the objective of this study was to explore non-licensed hospital employees’ (paraprofessional) perceptions related to their motivation to obtain a baccalaureate degree and overcome personal challenges to become a registered nurse.Methods: A qualitative descriptive focus group research design was used to explore the perceptions of minority paraprofessional employees had related to their motivations and challenges to become a registered nurse. All student- paraprofessionals, who were funded through the Robert Wood Johnson grant program, were invited to participate in this study. A semi-structured interview guide was used to explore the participants’ thoughts about obtaining a college degree and what their motivation is for obtaining a college degree in nursing. Informal questions were used to involve the participants in the discussion. The study was approved by the university’s institutional review board and participants completed an informed consent prior to any data collection.Results: Five participants were engaged in this study. The major theme that these participants reported was the different challenges and sacrifices (finances and life situations) that they had to deal with prior to starting courses and while they were currently taking courses. The second theme was motivation; these participants were motivated to have a better life.Conclusions: These participants had to deal with certain challenges and make sacrifices in order to pursue their dream; however, the participants were able to find the needed motivation to achieve their dreams and become a registered nurse.
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 | 0,005 | 0,012 |
| 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 | 0,006 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».