Influence of Organizational Issues on Nurse Administrators’ Support to Staff Nurses’ Use of Smartphones for Work Purposes in the Philippines: Focus Group Study
Notice bibliographique
Résumé
BACKGROUND: Studies show that nurses use their own smartphones for work purposes, and there are several organizational issues related to this. However, it is unclear what these organizational issues are in the Philippines and the influence they have on nurse administrators' (ie, superiors) support to staff nurses' (ie, subordinates) use of smartphones for work purposes. OBJECTIVE: Drawing from the Organizational Support Theory (OST), this study aimed to identify organizational issues that influence nurse administrators' support to staff nurses' use of smartphones for work purposes. METHODS: Between June and July 2017, 9 focus groups with 43 nurse administrators (ie, head nurses, nurse supervisors, and nurse managers) were conducted in 9 tertiary-level general hospitals in Metro Manila, the Philippines. Drawing from OST, issues were classified as those that encouraged or inhibited nurse administrators to support nurses' use of smartphones for work purposes. RESULTS: Nurse administrators were encouraged to support nurses' use of smartphones for work purposes when (1) personal smartphones are superior to workplace technologies, (2) personal smartphones resolve unit phone problems, and (3) policy is unrealistic to implement. Conversely, issues that inhibited nurse administrators to support nurses' use of smartphones for work purposes include (1) smartphone use for nonwork purposes and (2) misinterpretation by patients. CONCLUSIONS: Nurse administrators in the Philippines faced several organizational issues that encouraged or inhibited support to staff nurses' use of smartphones for work purposes. Following OST, the extent of their support can influence staff nurses' perceived organizational support on the use of smartphones for work purposes, Overall, the findings highlight the role and implication of organizational support in the context of smartphone consumerization in hospital settings, especially in developing countries.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».