Beyond Checklists: A Nursing Informatics Education Strategy for Undergraduate Nursing Students Appraising Health Information on Social Networking Sites (SNS)
Notice bibliographique
Résumé
Increasingly internet social networking sites are used in healthcare to support, communicate and offer information platforms between healthcare providers, users, and the public. Undergraduate nursing students draw on various sources of evidence to inform best-practice decisions in collaboration with patients and the healthcare team. Student or patient-initiated access of information from social networking sites necessitates high levels of informatics literacy. While students may reveal adept social networking site navigation skills, their capacity to appraise and apply information from these sites to their nursing practice, in ways that demonstrate informatics competence, requires further exploration. The purpose of this education project was to describe how students’ informatics competence was enriched through the development and implementation of a Credibility, Argument, Purpose and Evidence guide, compared to a previously implemented checklist as part of a digital health assignment. The Constructivist Online Learning Environment Survey evaluated student-learning perceptions using the new guide as well as the previously utilized checklist. The developed guide improved students’ perceptions of their ability to appraise social networking sites. Results revealed an improvement in students’ appreciation of the significance of moving beyond the use of checklists when appraising and evaluating social networking sites. Educational institutions assume a prominent role as stakeholders in curriculum development, to equip nursing students with informatics skills to critically appraise and evaluate information from various social networking sites and technologies, alongside other health knowledge, for ethical evidence informed nursing practice.
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 | 0,067 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,004 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».