Simulation in Learning and Using the Nutrition Care Process/Terminology: Experiences and Perceptions of Dietitians in Canada
Notice bibliographique
Résumé
Purpose: To investigate experiences with, and perceptions of, simulation in learning and using the Nutrition Care Process/Terminology (NCP/T) of dietitians in Canada. Methods: In February–March 2017, a convenience sample of 382 dietitians in Canada (71.8% in clinical practice) completed an online survey regarding the type(s), setting(s), and perceptions of the simulations in which they engaged in learning and using the NCP/T. Results: A majority (76.7%) of respondents had engaged in NCP/T-related simulation, most commonly case studies (85.3%) and role-play (42.0%), as part of workplace/volunteer training (51.4%) and undergraduate internship/stage/practicum (34.2%). Nearly half (49.5%) of respondents learned all 4 NCP components via simulation, with Nutrition Diagnosis being the most common individual component (57%). Over three-quarters of respondents agreed/strongly agreed that simulation helped them better understand/use the NCP/T and that NCP/T-related knowledge/skills gained through simulation are transferable to the clinical setting/dietetic practice. Conclusions: Dietitians in Canada perceive simulation to have helped them learn and use the NCP/T. Resources should be directed at further developing simulation for teaching the NCP/T in dietetics education and training. Research investigating characteristics, barriers, and facilitators of effective NCP/T-simulation, using objective (vs. perceived) learning outcome measures is needed.
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 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 | 0,001 | 0,003 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».