MétaCan
Menu
← Retour à la cohorte
Enregistrement W2922807129

A Critical Discourse Analysis of Soft Skills in Nursing Communication

2019· article· en· W2922807129 sur OpenAlexaffabout
Marcia Kim

Notice bibliographique

Revue2019 Conference of the Canadian Society for the Study of Education · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueGlobal Health Workforce Issues
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésIdeologySoft powerCritical discourse analysisDiscourse analysisSoft skillsNarrativeSociologyInterpersonal communicationPhenomenonPsychologyPedagogyAestheticsEpistemologySocial psychologyLinguisticsPoliticsPolitical scienceArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The current literature on Internationally Educated Nurses (IENs) in Canada reports that IENs experience difficulty with communication, interpersonal, and soft skills (Lum, Dowedoff, Bradley, Kerekes, & Valeo, 2015). These difficulties are often explained in terms of skills or abilities that IENs purportedly lack, whether or not they do. The presumption of these deficits makes it difficult for IENs to effectively communicate at work. In my study, I will use Critical Discourse Analysis (CDA) to analyze the soft skills discourse as it relates to IENs. Critical Discourse Analysis (CDA) is a methodology for studying power relations as manifested in language in contemporary capitalist society, and exposing ideological features of discourse (Fairclough, 2010). IENs experience is a central feature of the soft skills discourse. In order to understand the phenomenon of soft skills and IENs and workplace communication better, I will interview IENs using a narrative inquiry method called life story interview. This presentation provides an overview of CDA and discusses its specific characteristics in relation to an exploration of soft skills in workplace communication from the perspectives of Internationally Educated Nurses in Western Canada.

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)0,016
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,148

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0100,007
Études des sciences et des technologies0,0150,016
Communication savante0,0130,007
Science ouverte0,0020,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,038
Tête enseignante GPT0,461
Écart entre enseignants0,423 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2019 Conference of the Canadian Society for the Study of Education→Même sujetGlobal Health Workforce Issues→Travaux en français237 207→