High Level of Emotional Intelligence is Related to High Level of Online Teaching Self-Efficacy among Academic Nurse Educators
Notice bibliographique
Résumé
This study examined the relationship between emotional intelligence (EI) and online teaching self-efficacy among 115 academic nurse educators who teach online (totally, blended, or both). The sample was randomly drawn from the list of nursing schools accredited by Commission on Collegiate Nursing Education (CCNE) with baccalaureate, master’s and/or doctoral programs. The hypothesis tested states “Academic nurse educators who teach online and who report higher levels of EI would also report greater online teaching self-efficacy.” Results showed a significant moderate relationship (r=0.446, p< .01) between EI and online teaching self-efficacy. The coefficient of determination R2 was 0.199, which indicates that about 20% of the variation in online teaching self-efficacy can be explained by EI contribution. The hypothesis was supported. Results also indicated that online teaching self-efficacy was positively related to duration of being an academic nurse educator (r = 0.212, p<0.05) and duration of teaching online (r = 0.203, p< 0.05). Further, there was no significant difference between the different age groups regarding EI and online teaching self-efficacy. Similarly, there was no significant difference among university degrees attained of participants regarding EI and online teaching self-efficacy. The Implications for enhancing EI and online teaching self-efficacy are discussed.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».