MétaCan
Menu
Retour à la cohorte
Enregistrement W2928347894 · doi:10.22230/jripe.2019v9n1a277

Interprofessional Learning in the Simulation Laboratory: Nursing and Pharmacy Students' Experiences

2019· article· en· W2928347894 sur OpenAlexvenueno aff
Hege Hammer, Frøydis Vasset

Notice bibliographique

RevueJournal of Research in Interprofessional Practice and Education · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBachelorPharmacyInterprofessional educationFocus groupPerceptionJudgementMedical educationNursingMedicineNurse educationQualitative researchPsychologyHealth careSociology

Résumé

récupéré en direct d'OpenAlex

Background: Using simulation as an educational method to learn collaborative practice requires the involvement of various professional education programs where the intention is to learn from, with, and about each other.Methods: This study describes pharmacy and nursing students´ experiences with interprofessional education. After interprofessional simulation, three focus group interviews with bachelor students were conducted. The data were analysed using Giorgi’s qualitative content analysis method.Findings: The students found that IPE closed knowledge gaps, change a stereotypical perception of professional roles, and enhance patient safety. Full-scale simulation appears to be an effective arena for learning clinical judgement, improving communication skills, and developing knowledge of pharmacodynamics.Conclusion: Interprofessional education may be necessary for professionals to enhance their ability to interact more effectively in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,606
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,087
Tête enseignante GPT0,624
Écart entre enseignants0,537 · 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 tête enseignante, pas un consensus.

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

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research in Interprofessional Practice and EducationMême sujetInterprofessional Education and CollaborationTravaux en français237 207