Developing a High-Fidelity Simulation Program in a Nursing Educational Setting
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This change project was developed in response to the lack of a high-fidelity simulation program at a midwestern university in the United States. The use of clinical simulation as a teaching-and-learning strategy has significantly increased within nursing education. Unlike some colleges, this university had a dedicated simulation laboratory with two high-fidelity simulators; however, there was no clinical simulation program to use this equipment. The expensive simulation equipment sat unused because of the lack of funding for dedicated faculty, lack of a champion to implement, shortage of faculty time, minimal knowledge of the use of high-fidelity simulators, and a lack of curriculum integration. The purpose of the project was to create a simulation program, including faculty development and curriculum integration of simulation-based experiences. The framework of the program was based on the International Nurses Association of Clinical Simulation and Learning "Standards of Best Practice: Simulation." The high-fidelity simulation program grew from 0 simulation encounter per year to greater than 250 per year from the onset of the project. Faculty accepted high-fidelity simulation as a new teaching strategy and incorporated a minimum of at least one simulation-based experience within their courses. Simulation has been integrated successfully into the current curriculum. Students and faculty have positively evaluated simulation as an effective teaching/learning strategy. Each semester has seen an increase in the number of simulations, types of simulations, and acuity of simulations offered in clinical courses for students.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle