MétaCan
Menu
Retour à la cohorte
Enregistrement W2941270280 · doi:10.1080/17533015.2019.1608569

The arts as a catalyst for learning with undergraduate nursing students: findings from a constructivist grounded theory study

2019· article· en· W2941270280 sur OpenAlexafffund
Kendra L. Rieger, Wanda M. Chernomas, Diana E. McMillan, Francine Morin

Notice bibliographique

RevueArts & Health · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueEmpathy and Medical Education
Établissements canadiensHealth Sciences CentreUniversity of Manitoba
Organismes subventionnairesCanadian Institutes of Health ResearchUniversity of ManitobaManitoba Health Research Council
Mots-clésTransformative learningConstructivist grounded theoryGrounded theoryNurse educationConstructivist teaching methodsThe artsPsychologyPedagogyNursing theoryNursingMedical educationTeaching methodQualitative researchMedicineSociologyMEDLINEVisual arts

Résumé

récupéré en direct d'OpenAlex

Background: There is a growing interest in arts-based pedagogy (ABP) to promote the wide range of competencies needed for professional nursing. The aim of this study was to develop a theoretical understanding of how students learn through ABP in undergraduate nursing education.Methodology and Methods: We used a constructivist grounded theory methodology which incorporated art-elicitation interviews. Thirty nursing students and eight nurse educators shared about their ABP experiences. Data were analyzed with grounded theory procedures.Results: The arts as a catalyst for learning emerged as the core category and elucidates how the unique quality of the arts created powerful pedagogical processes for many students. When students engaged with these processes, they resulted in surprising and transformative learning outcomes for professional nursing.Conclusions: These findings provide insight into why and how students learned through ABP, and can inform the effective implementation of ABP into healthcare education.

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)0,041
score de la tête « metaresearch » (Gemma)0,036
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 enseignants0,041
Score d'incertitude au seuil0,218

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0080,016
Communication savante0,0090,004
Science ouverte0,0020,009
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,018
Tête enseignante GPT0,361
Écart entre enseignants0,343 · 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

Citations26
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArts & HealthMême sujetEmpathy and Medical EducationTravaux en français237 207