The Acceptability and Feasibility of Implementing an Online Educational Intervention With Nurses in a Provincial Prison Context
Notice bibliographique
Résumé
BACKGROUND: Correctional nursing requires a strong knowledge base with access to continuing education (CE) to maintain and enhance competencies. Nurses working in provincial prisons have reported many challenges in accessing CE, with online learning being identified as a potential solution. Limited research was found, however, which examined the correctional context in the development and delivery of online learning for nurses. The purpose of this study was to develop an online educational intervention tailored to correctional nurses and determine the feasibility and acceptability of implementing the intervention in a provincial prison context. METHODS: A sequential mixed methods study was conducted. Participants included nurses from three correctional settings in the province of Ontario, Canada. Semistructured interviews examined contextual factors and educational needs. Delphi surveys determined the educational topic. Preintervention and postintervention questionnaires examined the context, educational content, and intervention's acceptability and feasibility. RESULTS: The online intervention focused on mental health and addictions with two 30-minute webinars delivered back-to-back over 15 weeks. Respondents expressed satisfaction with the convenience of online learning at work using short webinars, as well as the topics, relevance of information, and teaching materials, but dissatisfaction with presentation style. The feasibility of the intervention was limited by access to technology, time to attend, education space, and comfort with technology. DISCUSSION: The findings from this study provide insight to guide the future development of online CE for correctional nurses. If changes are made within correctional facilities in collaboration with nurses and managers, online learning holds the potential to facilitate access to ongoing professional development.
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 | 0,015 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».