MétaCan
Menu
Retour à la cohorte
Enregistrement W2901889083 · doi:10.5430/jnep.v9n3p85

Mentorship in nursing academia: A qualitative study and call to action

2018· article· en· W2901889083 sur OpenAlexaffvenueabout
Lorelli Nowell

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueChildhood Cancer Survivors' Quality of Life
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMentorshipThematic analysisNursingNurse educationNursing researchQualitative researchMedicineMedical educationAction (physics)PsychologySociology

Résumé

récupéré en direct d'OpenAlex

Objective: Around the world nursing education institutions have been calling for mentorship; however, little is known about nursing faculty member’s perspective on if and why mentorship is important and at what career stages it is most valuable. The purpose of this study is to describe the nursing faculty member’s perspectives on mentorship in Canadian schools of nursing and explore if, why, and when mentorship is perceived to be needed.Methods: A qualitative thematic analysis study was conducted. Participants were purposively samples from the 81 English-speaking schools to capture variation across rank, tenure, school size, and areas within Canada. Semi-structured telephone interviews were conducted with 48 nursing faculty members from across Canada. Interview data was thematically analyzed.Results: Mentorship was identified as being essential yet widely absent from academic nursing. Participants viewed mentorship as a professional responsibility, and vital in consideration of the nursing faculty shortage and potential impact on students. There was an expressed need for mentorship during transition, advancement, collaboration, and as a means of way finding essential resources.Conclusions: Identifying nursing faculty member’s perspectives on mentorship is an important first step in developing mentorship in academic nursing. Nursing faculty views should be considered in the development, execution, and evaluation of mentorship programs.

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)0,041
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Incitatifs · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,959
Score d'incertitude au seuil0,217

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0270,016
Communication savante0,0070,005
Science ouverte0,0040,009
Intégrité de la recherche0,0030,005
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 Opus0,200
Tête enseignante GPT0,580
Écart entre enseignants0,380 · 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.

Devis d'étudeQualitatif
DomaineIncitatifs
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

Citations7
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetChildhood Cancer Survivors' Quality of LifeTravaux en français237 207