MétaCan
Menu
Retour à la cohorte
Enregistrement W3016732824 · doi:10.17483/2368-6669.1200

Stakeholder Engagement in Nursing Curriculum Development and Renewal Initiatives: A Review of the Literature

2020· review· en· W3016732824 sur OpenAlexaffvenue
Emily Belita, Nancy Carter, Denise Bryant‐Lukosius

Notice bibliographique

RevueQuality Advancement in Nursing Education - Avancées en formation infirmière · 2020
Typereview
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésStakeholderStakeholder engagementCurriculumThematic analysisEmpowermentNursingQualitative researchMedical educationSociologyPublic relationsPsychologyMedicinePolitical sciencePedagogySocial science

Résumé

récupéré en direct d'OpenAlex

Stakeholder engagement remains a critical endeavour in nursing curriculum development and renewal. Engaging stakeholders such as patients and families, students, and frontline clinicians in the development process is necessary to ensure that curricula meet the current needs of patients and are responsive to a changing health care environment. To inform strategies for effective stakeholder engagement a literature review was conducted to identify: a) common roles and functions of stakeholders across nursing curricular projects, and b) factors that promote positive stakeholder engagement in nursing curriculum development or renewal. Twelve papers were included in this review. Texts were analyzed using qualitative thematic analysis. Common roles and functions were classified according to formalized leadership roles or on an informal, as needed basis, with varying levels of engagement. Four themes emerged pertaining to factors that promote positive stakeholder engagement: positive leadership, empowerment, sense of ownership, and a culture of equality. Optimizing stakeholder contributions to nursing curricular projects can be fostered by an understanding of strategies to positively engage these partners and identifying productive and meaningful stakeholder roles.

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)0,008
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,018
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0070,011
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,108
Tête enseignante GPT0,457
Écart entre enseignants0,349 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQuality Advancement in Nursing Education - Avancées en formation infirmièreMême sujetService-Learning and Community EngagementTravaux en français237 207