The enneagram model for nursing competencies development-An exploratory qualitative study
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 and objective: Nursing competencies can be enhanced by the development of emotional intelligence, which promotes self-knowledge. Personality models, such as the Enneagram model, have been used to develop self-knowledge, and thus may contribute to increasing emotional intelligence. However, few studies have examined perceptions of the use of the Enneagram model on nursing competencies. This qualitative study aims to explore the perceptions of nursing educators and advanced practice nurses about the impact of Enneagram model training on the development of their professional competencies.Methods: This qualitative study used individual interviews and thematic analysis according to Miles and Huberman’s method. The nine participants were nursing educators and advanced practice nurses. Interviews were conducted between six and eight weeks after the Enneagram model training.Results: Results revealed that the Enneagram model may contribute to developing emotional intelligence. Participants perceived the Enneagram model training as promoting better self-awareness and understanding of others. It could also support the development of nursing competencies: humanistic action, collaboration, clinical leadership and support for learning in practice settings.Conclusions: The use of the Enneagram model could help nurses develop their emotional intelligence and optimize their practice while preserving their mental health. Implications for Nursing Administration: These findings are important for managers responsible for supporting nurses’ competencies and mental health through complex care situations in a context of change.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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