MétaCan
Menu
Retour à la cohorte
Enregistrement W3007636116 · doi:10.5430/jnep.v10n5p11

Attrition to completion progression theory in an associate degree nursing program

2020· article· en· W3007636116 sur OpenAlexvenueno aff
Carmela Theresa Timbol de Leon

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation and Military Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAttritionGrounded theoryTheoretical samplingQualitative researchPhenomenonNursing theoryPsychologyPerspective (graphical)Data collectionNursingMedicineSociologyComputer scienceMEDLINEEpistemologyPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

Objective: This study aimed to develop a substantive theory on the process of overcoming attrition among returning students in an Associate Degree Nursing program in a private school in Arizona.Methods: A qualitative design was utilized for this study. The Classical Grounded Theory approach provided a systematic process of data collection, analysis and synthesis that led to the emergence of the Attrition to Completion Progression Theory. Theoretical sampling through in-depth interviews of ten participants who experienced temporary attrition and was successfully able to come back to succeed within the program provided a rich source of data and unique perspective of the phenomenon.Results: Four themes emerged from the grounded theory approach. The themes that emerged are: Attrition as an interplay of multiple factors; Ways of coping with attrition; Changes and modifications; and Finding new meanings as the core category. The emergent theory provided an insight into the process that the participants went through and the perceived contributory factors leading to the attrition.Conclusions: Understanding the interplay of these factors paved for a better understanding on how current and future students, faculty, and administrators can prevent attrition and assist returning students to become successful in the program towards completion.

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)0,017
score de la tête « metaresearch » (Gemma)0,032
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 enseignants0,017
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,004
Communication savante0,0030,004
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,289
Tête enseignante GPT0,557
Écart entre enseignants0,267 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetEducation and Military IntegrationTravaux en français237 207