Generational Diversity in the Workplace: Challenges and Opportunities for Nursing Education
Notice bibliographique
Résumé
The future of the nursing profession foresees challenges such as downsizing, changing skill mixes, and higher acuity patients (LeDuc & Kotzer, 2009; World Health Organization, 2013). Nursing students must be adequately prepared to handle such challenges by understanding their own values, the values of their colleagues, and the values of the collective nursing profession (Hahn, 2011; Hamlin & Gillespie, 2011; LeDuc & Kotzer, 2009). Yet, given the fact that nursing is now highly diversified by generational cohorts, each of whom have their own unique set of values and understanding, relating to fellow nurses and working collaboratively is more difficult than ever (Mangold, 2007). Recognizing generational differences as a potential barrier to quality nursing care and a cause of workplace conflict, educators in the profession have begun to tailor courses and teaching styles to meet the distinct needs of generationally diverse classes and work settings (Faithfull-Byrne, Thompson, Convey, Cross, & Moss, 2015; Hamlin & Gillespie, 2011; Mangold, 2007). To aide in this process, the professional development workshop proposed here will provide educators with an opportunity to learn more about generational diversity and offer strategies to maximize learning for all generations in the nursing field.
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 | 0,021 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,009 |
| Communication savante | 0,013 | 0,013 |
| Science ouverte | 0,002 | 0,021 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».