MétaCan
Menu
Retour à la cohorte
Enregistrement W2942510199 · doi:10.5430/jnep.v9n8p65

Integrating a learning outcomes assessment rubric into a deteriorating patient simulation for undergraduate nursing students

2019· article· en· W2942510199 sur OpenAlexaffvenue
Marian Luctkar‐Flude, Deborah Tregunno, Rylan Egan, Kim Sears, Jane Tyerman

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensTrent UniversityQueen's University
Organismes subventionnairesnon disponible
Mots-clésRubricDebriefingSummative assessmentCompetence (human resources)Medical educationNurse educationMedicineNursingFormative assessmentPsychologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Background: Few studies have examined effective methods to prepare learners to participate in simulation-based learning experiences. Similarly, there is limited literature on valid, reliable assessment methods to determine whether clinical simulation learning outcomes have been met. We developed a learning outcomes assessment rubric to support self-regulated learning and assessment during presimulation preparation and debriefing.Methods: Fourth-year undergraduate nursing students enrolled in a critical care nursing course participated in two deteriorating patient simulations, one delivered in a traditional format, and the other using a new format incorporating a learning outcomes assessment rubric into presimulation preparation and debriefing. A descriptive survey evaluated learner perceived competence with deteriorating patients and satisfaction with the two simulations formats. Learner self-assessment data using the rubric was collected pre and post simulation.Results: Learner satisfaction with the deteriorating patient scenario and accompanying assessment rubric was very high. Learners were significantly more satisfied with the simulation scenario delivered using the new format which included the assessment rubric than with the standard format without the assessment rubric (p < .001). Learners valued the opportunity to identify their own learning needs, and reported increased competence in management of a deteriorating patient following the simulation (p < .001).Conclusions: Senior nursing students perceived that integration of learning outcomes assessment rubrics into simulation design enhanced their self-regulated learning and presimulation preparation. Further research is needed to explore presimulation preparation strategies and to validate rubrics used for summative assessment.

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)0,012
score de la tête « metaresearch » (Gemma)0,050
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,050
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,539
Écart entre enseignants0,460 · 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'étudeObservationnel
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

Citations11
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetSimulation-Based Education in HealthcareTravaux en français237 207