Internationally educated nurses in Canada: perceived benefits of bridging programme participation
Notice bibliographique
Résumé
AIM: To examine internationally educated nurses' perceptions of the extent to which participating in bridging programmes is beneficial for preparing to practise nursing in Canada. BACKGROUND: Internationally educated nurses continue to migrate from low-income to high-income countries. Many experience challenges when attempting to practise their profession in the destination country. Canada and other top destination countries offer educational support, such as bridging programmes, to assist internationally educated nurses' with preparing to practise nursing in the destination country. The research evidence falls short in demonstrating the usefulness of bridging programmes. METHODS: A subsample of 360 internationally educated nurse participants from a Canadian cross-sectional survey conducted in 2014. All were permanent residents, employed as regulated nurses and participants of bridging programmes. Multiple linear regression was employed to examine the influence of internationally educated nurses' human capital (academic preparation, language proficiency, professional experience) and the economic status of their source country on perceived benefits of bridging programme participation. RESULTS: Regression model explained 11.5% of variance in perceived benefits of bridging programme participation. Two predictors were statistically significant: source country and professional experience. CONCLUSION: Bridging programmes help internationally educated nurses address gaps in their cultural, practical and theoretical knowledge. Source country and amount of professionally experience influences the extent to which internationally educated nurses benefit from participating in bridging programmes in Canada. IMPLICATIONS FOR NURSING POLICY: Provides emerging evidence for decision-makers globally when developing policies and supports to help internationally educated nurses integrate into the destination country's nursing workforce.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».