Digital Health in Canadian Schools of Nursing—Part B: Academic Nurse Administrators’ Perspectives
Notice bibliographique
Résumé
While much progress has been achieved in advancing nursing informatics capacity in Canada, more work is needed to keep pace with the 21st century technological revolution. Nursing programs and educators are at the forefront of this change, and are key to ensuring successful integration of digital health and informatics in nursing education and practice. In 2018, a mixed methods study was conducted including a survey of nursing school administrators and nurse educators, telephone interviews, and one focus group meeting. The purpose of this research was to understand the current state of digital health and informatics content integration in nursing curricula within Canadian Schools of Nursing. In this paper, we report on findings representing the academic nurse administrators’ perspectives; nurse educator findings have been published separately (AUTHOR, 2020). Administrator respondents represented fewer than a third of Canadian schools of nursing, however findings indicate an appreciation of the importance of including digital health and informatics content in undergraduate curricula. There is some awareness of both CASN’s entry to practice informatics competencies and other related resources. Findings also suggest a willingness to provide the support needed for nurse educators to effectively address curricular integration. There was some difference of opinion when comparing educator and administrator perspectives. Variation was most evident when considering progress achieved to date. Findings also suggest administrators play a key role in assisting educators in overcoming barriers and advancing their informatics capacity to teach core digital health content. Digital heath integration is largely incumbent upon the leadership within schools of nursing as they are ideally positioned to provide the necessary vision and support. Some recommended tactics to address curricular integration are provided.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,031 | 0,007 |
| Communication savante | 0,013 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».