MétaCan
Menu
Retour à la cohorte
Enregistrement W3011012819 · doi:10.5430/jnep.v10n6p36

Nationwide use, challenges, facilitators, and impact of preceptors in prelicensure clinical nursing education

2020· article· en· W3011012819 sur OpenAlexvenueno aff
Nancy L. Novotny, Debbie Stark

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueNursing Education, Practice, and Leadership
Établissements canadiensnon disponible
Organismes subventionnairesSigma Theta Tau International
Mots-clésPreceptorIncentiveNursingMedicineMedical educationVariety (cybernetics)Incentive programPsychology

Résumé

récupéré en direct d'OpenAlex

Background and objective: Preceptor-facilitated clinical nursing education prevalence information is dated. Information is most often limited to regional baccalaureate programs and provides sparse evidence of its education-related outcomes. The purpose of this study is to describe the nationwide use, structures, facilitators, and challenges of using preceptors in prelicensure clinical education; compare its use by program characteristics; and explore its impact on education-related outcomes.Methods: In this cross-sectional comparative study, prelicensure programs in randomly selected jurisdictions in all four regions of the US were identified and official pass rates obtained. Program administrators completed an online questionnaire about preceptor use, incentives used, challenges, facilitators, and perceived impact on program capacity.Results: Preceptors were used in 73% of the 366 responding programs. Prevalence rates ranged from 25% to 87% by program type and from 64% to 86% by region. Programs’ NCLEX-RN® pass rates and perceived impact on program capacity did not differ by use of preceptors. Most respondents indicated there was no impact although one-fifth perceived moderate to high impact. The top five challenges and facilitators to preceptor use were identified. Programs used a variety of preceptor incentives, ranging from 62% using informal recognition to 7% providing some type of financial compensation.Conclusions: Most programs use preceptors with differences by program type and region. Designating resources to enhance preceptor orientation and preceptor-student-faculty communications may be useful, as well as identifying the challenges and facilitators. While a variety of preceptor incentives are available, few offer direct monetary compensation. Regional preceptor incentive data provide useful benchmarks. With high rates of use in some sectors and yet no demonstrable influence on pass rates, closer scrutiny of the quality of preceptor-facilitated educational experiences and associated outcomes are warranted.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,757
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,166
Tête enseignante GPT0,476
Écart entre enseignants0,311 · 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 tête enseignante, pas un consensus.

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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetNursing Education, Practice, and LeadershipTravaux en français237 207