Virtual Gaming Simulation: An Interview Study of Nurse Educators
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background. Two methods that provide high fidelity experiences outside of clinical settings are laboratory simulation and virtual simulation. Virtual gaming simulations are emerging and currently, there are no guidelines regarding the process. Objectives. The purpose of this study was to conduct interviews with nursing educators who use virtual gaming simulation in education to better understand the extent of use, the process, the challenges and benefits they experience, and their recommendations. Design. A qualitative, descriptive study, using purposive maximum variation sampling and interviews was conducted. Setting/Participant. Participants were selected from nursing programs in different Canadian and American educational institutions who had teaching experience using virtual gaming simulations with nursing students in higher education. Methods. In-depth interviews were conducted using a semi-structured interview guide with opened-ended questions. The interviews were recorded and transcribed. Data analysis was completed using a thematic approach. Results. The final sample consisted of 17 participants, 11(65%) were from Canada and the remaining 6(35%) were from the United States. The data yielded three themes: Benefits of gaming for the student; Preparing students and educators for success and, The virtual gaming simulation process. Participants described the challenges of using virtual gaming simulation in education and made recommendations for best practice and future research. Conclusion. The results of this study can be used as guideposts for educators who embark on this new learning experience and researchers who wish to expand the body of knowledge in this emerging field.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle