Nursing Leadership Implications for Clinical Placements in Corrections
Notice bibliographique
Résumé
Clinical placements in correctional settings offer nursing students unique opportunities for learning mental health and community health concepts, including social justice, restorative justice and the impact of poverty and marginalization on health and life choices. Although there is some evidence to suggest that a small number of nursing programs use clinical placements in correctional settings, relatively little scholarly literature addresses nursing education in such settings, or the implications for nursing leadership when students do have an opportunity to learn in correctional settings. In this paper, we examine the literature that is available on this topic and present the findings of a secondary analysis of interviews with undergraduate nursing students at our nursing program in relation to their clinical placements in correctional settings. Drawing on the students' perspectives, we have found that these placements, in particular, have fostered learning about caring for marginalized populations; themes of hope and restorative justice featured prominently in their descriptions of their learning. Students also emphasized that they learned a great deal about the expanded role of nurses and about caring for marginalized populations. With strong administrative and faculty support, these settings offer students exposure to expert registered nurse mentors who work with clients in an expanded role to facilitate their achievement and stabilization of a broad range of health challenges. They are also role models for students, by showing students that nurses can be agents of hope when working with a diverse client population and their families. We offer recommendations on how to maximize student learning in correctional settings, including a reflection on how to support students' integration of their learning experiences in their nursing practice, with the long-term view that these transformative student experiences have the potential to shape our future nurse leaders.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,019 | 0,006 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».