MétaCan
Menu
Retour à la cohorte
Enregistrement W2776563051 · doi:10.5539/gjhs.v10n1p156

A Study of Nurses' Internal, External, and Social Images as Perceived by College Students in South Korea

2017· article· en· W2776563051 sur OpenAlexvenueno aff
Heun-Keung Yoon

Notice bibliographique

RevueGlobal Journal of Health Science · 2017
Typearticle
Langueen
DomaineNursing
ThématiqueHealthcare Education and Workforce Issues
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDescriptive statisticsPsychologyPositive correlationTest (biology)Applied psychologySocial psychologyMedicineStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

PURPOSE: This study is a descriptive survey study aiming to examine the internal, external, and social images of nurses as perceived by Korean college students and clarifying the relationship between these images.METHODS: This study was performed using a structured questionnaire from May 2 to 14, 2016. Data were collected from 221 college students and were statistically interpreted using t-test, one-way ANOVA, and Pearson's correlation coefficient.RESULTS: The study results are as follows: First, the internal image of nurses was scored at 3.46 points, the external image at 2.78, and the social image at 2.76. Second, a significant positive correlation was found between the internal, external, and social images as well as between the external and social images, implying the importance of both internal and external images of nurses.CONCLUSION: The results of this study are expected to be used as a reference base for devising strategies and measures for the enhancement of internal, external, and social images of nurses for future healthcare consumers.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,025
Score d'incertitude au seuil0,611

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
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 Opus0,041
Tête enseignante GPT0,453
Écart entre enseignants0,413 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetHealthcare Education and Workforce IssuesTravaux en français237 207