MétaCan
Menu
Retour à la cohorte
Enregistrement W3100349849 · doi:10.29252/dsme.7.2.38

A Comparative Study of Nursing PhD Curriculum in Iran and Bloomberg University of Canada

2020· article· en· W3100349849 sur OpenAlexaboutno aff
Reza Negarandeh, Leila Mardanian Dehkordi

Notice bibliographique

RevueDevelopment Strategies in Medical Education · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueNursing Education, Practice, and Leadership
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumLibrary sciencePolitical scienceMedical educationSociologyNursingMedicinePedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

Introduction: Nursing PhD program provides essential competency for professional role playing among the graduated according to society’s needs, but there are differences in the provided programs the analyzing of which would develop the discipline. This study aimed at comparing the curricula of nursing PhD programs in Bloomberg University and Iran. Materials and Methods: This descriptive-comparative study was carried out based on Bereday’s model in 2018 and compared the components of nursing PhD program curriculum in Iran and Bloomberg University. The data were collected by searching through the internet and described, interpreted, juxtaposed and compared. Results: Although there were similarities, the purpose, the curriculum and the program implementation were different in these two universities. Different contents of the curriculum, educational methods, and the expected role of graduates were considerably different in Bloomberg University. Conclusion: In order to improve the quality of PhD nursing graduates in Iran, it is suggested that the content and method of providing courses be reviewed according to the roles and expectations of graduates and society’s needs. For exploring the weaknesses and strength of the program and providing more information for future planning, it is suggested that the quality of the curriculum be evaluated from the viewpoint of PhD students and faculty members.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,753

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0050,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,050
Tête enseignante GPT0,340
Écart entre enseignants0,290 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueDevelopment Strategies in Medical EducationMême sujetNursing Education, Practice, and LeadershipTravaux en français237 207