Revised competency inventory for evaluating nursing students
Notice bibliographique
Résumé
Background and objective: To ensure high quality nursing education, a valid scale is needed to evaluate the core competences of nursing students. Insufficiencies of the Competency Inventory of Nursing Students currently used to measure competence in nursing students. The aim of this study was to revise Competency Inventory of Nursing Students and to validate its use for measuring competency in Junior college nursing students in terms of score distribution and dimensionality.Methods: The scale was refined in a series of three phases performed during 2015-2016 in Taiwan: (1) established the item set via literature reviews and content validity testing; (2) refined the item set based on self-reported data from 120 nursing students and confirmed the factor structure by confirmatory factor analysis in 244 nursing students; (3) established the validity and reliability of the final scale.Results: Analysis indicated that a 28-item scale with a 3-factor structure obtained the best fit to the data (χ2 = 752.56, p < .001, RMSEA = .069, SRMR = .043, CFI = .950, TLI = .946) and had an acceptable Cronbach α value (range .935 to .982). The strength of the inter-correlations among three latent variables was highly consistent with the conceptualization as a multifactorial construct.Conclusions and implications: The revised scale has satisfactory validity and reliability for measuring core competency in nursing students. Implications for practice: For employers concerned about the competency of recent graduates of associate degree nursing programs, the effective and comprehensive scale can be used for self-evaluation of competency in nurses and can also provide feedback for improving teaching and learning efficiency during the education of nurses.
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 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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».