Student nurses’ experiences of incivility and the impact on learning and emotional wellbeing
Notice bibliographique
Résumé
Background: Incivility is the display of intimidating, rude, disruptive or undesirable behaviours. Incivility in nursing has the potential to impact on the learning environment, student wellbeing and patient outcomes. Although it is a globally recognised phenomenon, relatively little is known about it in the context of nurse education in the United Kingdom, where the students’ time is divided equally between theory and practice and a nurse mentor is allocated to each student when on clinical placement.Methods: A phenomenological qualitative design was used to explore the experiences of ten student nurses studying on a three year degree level pre-registration (pre-licensure) nursing programme. Data was collected by in-depth, semi-structured, face-to-face interviews which were tape-recorded and transcribed verbatim. Thematic analysis was conducted using Interpretative Phenomenological Analysis as a framework.Results: Student nurses can experience incivility in both classroom and clinical settings with negative consequences in terms of learning and personal wellbeing. Four superordinate (main) themes (Knowing-Not Knowing/Positioning/The Invisible Student/Distraction) were identified along with a further fifteen subordinate themes which included misuse, being nameless and feeling a burden.Conclusions: These findings add further to our understanding of incivility in nursing education and specifically the potential for incivility to impact on learning and students’ emotional wellbeing. Incivilities related to ‘the Invisible Student’ and ‘Knowing-Not Knowing’ are particularly worthy of further exploration as they reveal a hitherto unappreciated dimension of this complex, globally recognised phenomena.
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 | 0,003 | 0,003 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».