Examining Student Preparation for Certification Examination: An Exploratory Case Study
Notice bibliographique
Résumé
This research paper explores three university-level programs with mandatory licensing exams for graduates who wish to attain professional certification. Specifically, the study explored the affordances and constraints associated with curricular alignment and program accreditation, student success on licensure, and student satisfaction. The specific programs and the licensure exams are: the Bachelor of Science in Nursing (BScN), who are eligible to take the National Council Licensure Examination-Registered Nurse (NCLEX-RN), the Master of Applied Disability Studies (MADS), who write the Behavior Analyst Certification Board Exam, and the Bachelor of Accounting/Master of Accountancy (BAcc/MAcc), who are eligible to take the Chartered Professional Accountants (CPA) Common Final Examination (CFE). The study used a scoping review of the literature specific to the NCLEX-RN to help inform an exploratory case study of three academic programs that are offered through a University in Ontario, all leading to licensure exams. The programs are designed to ensure that students are prepared to write the licensure exams and provide more material that is integral to the practice but is not necessarily tested on the licensure exam. Using curriculum and accreditation review processes, administrators/faculty and students can provide insight into processes that could aid future students for licensure exams. When comparing the findings from analyses of transcripts from one program and documents across all three programs, it is apparent that there are many similarities across the programs despite the differences in the actual curricular goals and licenses. However, there appears to be a disconnect in the Nursing program, since they use the greatest number of the identified techniques/tools, but still have lower percentages of first-time pass rates than the other two programs. This provides an area for future study and analysis.
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 | 0,013 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».