MétaCan
Menu
Retour à la cohorte
Enregistrement W2777838911 · doi:10.1111/nin.12227

Rationing nurses: Realities, practicalities, and nursing leadership theories

2017· article· en· W2777838911 sur OpenAlexaffabout
Olive Fast, Janet Rankin

Notice bibliographique

RevueNursing Inquiry · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of CalgaryMount Royal University
Organismes subventionnairesnon disponible
Mots-clésTransformational leadershipNurse AdministratorPublic relationsWork (physics)NursingStaffingRationingPsychologySociologyPolitical scienceMedicineMEDLINEHealth care

Résumé

récupéré en direct d'OpenAlex

In this paper, we examine the practicalities of nurse managers' work. We expose how managers' commitments to transformational leadership are undermined by the rationing practices and informatics of hospital reform underpinned by the ideas of new public management. Using institutional ethnography, we gathered data in a Canadian hospital. We began by interviewing and observing frontline leaders, nurse managers, and expanded our inquiry to include interviews with other nurses, staffing clerks, and administrators whose work intersected with that of nurse managers. We learned how nurse managers' responsibility for staffing is accomplished within tightening budgets and a burgeoning suite of technologies that direct decisions about whether or not there are enough nurses. Our inquiry explicates how technologies organize nurse managers to put aside their professional knowledge. We describe professionally committed nurse leaders attempting to activate transformational leadership and show how their intentions are subsumed within information systems. Seen in light of our analysis, transformational leadership is an idealized concept within which managers' responsibilities are shaped to conform to institutional purposes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0060,045
Communication savante0,0110,007
Science ouverte0,0020,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,767
Tête enseignante GPT0,671
Écart entre enseignants0,096 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations19
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNursing InquiryMême sujetHealth Policy Implementation ScienceTravaux en français237 207