MétaCan
Menu
Retour à la cohorte
Enregistrement W2811044941 · doi:10.1111/jan.13778

The value of measurement for development of nursing knowledge: Underlying philosophy, contributions and critiques

2018· article· en· W2811044941 sur OpenAlexafffund
Pamela Durepos, Elizabeth Orr, Jenny Ploeg, Sharon Kaasalainen

Notice bibliographique

RevueJournal of Advanced Nursing · 2018
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensMcMaster UniversityHamilton Health Sciences
Organismes subventionnairesCanadian Nurses Foundation
Mots-clésConstructivePositivismEpistemologyReductionismRealismConstructivism (international relations)Philosophy of scienceNursingNursing Interventions ClassificationPsychologyEngineering ethicsSociologyMedicinePsychological interventionComputer scienceProcess (computing)Philosophy

Résumé

récupéré en direct d'OpenAlex

AIM: A philosophical discussion of constructive realism and measurement in the development of nursing knowledge is presented. BACKGROUND: Through Carper's four patterns of knowing, nurses come to know a person holistically. However, measurement as a source for nursing knowledge has been criticized for underlying positivism and reductionist approach to exploring reality. Which seems mal-alignment with person-centred care. DESIGN: Discussion paper. DISCUSSION: Constructive realism bridges positivism and constructivism, facilitating the measurement of physical and psychological phenomena. Reduction of complex phenomena and theoretical constructs into measurable properties is essential to building nursing's empiric knowledge and facilitates (rather than inhibits) person-knowing. IMPLICATIONS FOR NURSING: Nurses should consider constructive realism as a philosophy to underpin their practice. This philosophy supports measurement as a primary method of inquiry in nursing research and clinical practice. Nurses can carefully select, and purposefully integrate, measurement tools with other methods of inquiry (such as qualitative research methods) to demonstrate the usefulness of nursing interventions and highlight nursing as a science.

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)0,001
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,880
Score d'incertitude au seuil0,462

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,093
Tête enseignante GPT0,426
Écart entre enseignants0,333 · 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'étudeAutre devis
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

Citations8
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced NursingMême sujetNursing education and managementTravaux en français237 207