MétaCan
Menu
← Retour à la cohorte
Enregistrement W3035365152 · doi:10.5430/jnep.v10n9p65

SWEP’d up for the Summer: Survey of participants’ experiences of a nursing student research internship

2020· article· en· W3035365152 sur OpenAlexafffundvenueabout
Julia Kruizinga, Chloe Coulson, Stephanie Saunders, Nicole Ning

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensQueen's University
Organismes subventionnairesQueen's University
Mots-clésInternshipMedical educationWork (physics)Perspective (graphical)Nurse educatorNursingPsychologyMedicinePedagogyNurse educationEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Background: Queen’s University (Ontario, Canada) has been offering the Summer Work Experience Program (SWEP) - a subsidized work opportunity for university undergraduate students - since 1995. The Queen’s University Nursing and Health Research Internship program, established in May 2017, involves nursing SWEP students. The program was designed to build research knowledge and experience for nursing students. The aim of this article is to describe the program components, and intern and faculty insights.Methods: To obtain feedback from current and past interns and faculty, an electronic survey was distributed. Data were analyzed for common themes.Results: Themes consolidated from interns (n = 4) included challenges as learning opportunities, new perspectives on research, and successes and opportunities. Themes that emerged from faculty (n = 7) were program challenges and successes, and needs and concerns of interns.Conclusions: Overall, interns and faculty members perceived the program as a valuable learning experience. Suggestions for program development and potential changes are discussed from both an intern and faculty perspective. Further recommendations for program development are explored, with potential changes for future offerings.

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)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,002
Communication savante0,0020,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
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 Opus0,914
Tête enseignante GPT0,756
Écart entre enseignants0,158 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2020
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and Practice→Même sujetHealth Sciences Research and Education→Travaux en français237 207→