“Yes, the type of student supervision matters, but what about the placement structure?” - A critical realist review of block and integrated practice learning models within pre-registration nursing programmes
Notice bibliographique
Résumé
This paper highlights the importance of effective clinical experiences for pre-registration nursing students and the wealth of published work associated with practice learning, particularly regarding approaches to student supervision during a practicum. It draws attention to frequent calls within nursing literature for longer placements; many of which fail to either identify the perceived benefits of such change or state whether a longer practicum should involve increased practice learning hours or redistribute existing hours over an extended period; key omissions given the resource-intensive nature of providing these educational opportunities. It also highlights a paucity of research regarding the effect of placement duration and intensity on clinical learning and that practicum design is commonly shaped by custom, practice, operational and financial considerations rather than a sound educational rationale. A Critical Realist review of studies associated with two fundamental placement structures, the block, and integrated models, is offered to consider their strengths and limitations. Moreover, work that evaluates initiatives offering students paid employment in caring roles undertaken alongside a pre-registration programme and therefore displaying similarities to the integrated practice learning model are examined. The review concludes that, as yet, there is insufficient empirical evidence to recommend the targeted application of either a block or integrated placement model within any specific part of a pre-registration nursing programme, calls for greater consistency in the language of placement structure and outlines the author’s own current work contributing to the extremely limited body of knowledge available regarding this aspect of curriculum design within nurse education.
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 | 0,068 | 0,178 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».