Discovering presence as part of nurse educators’ role modelling at a public nursing college in the North West province
Notice bibliographique
Résumé
BACKGROUND: Nursing students learn the science and art of nursing, including presence, from classroom content, using skills in practice, or by watching an experienced nurse interact with a patient. Nursing education must be designed so that nursing students can construct the art and science of nursing practice. Nursing students must be educated to be sound practitioners in the 'being' of nursing practice. Nurse educators modelling presence to nursing students will improve the quality of patient care during clinical training and throughout their professional role. AIM: To explore and describe nurse educators' role modelling of presence to nursing students. SETTING: This study was conducted at a public nursing college in the North West province. METHODS: A qualitative, ethnographic study was conducted. Purposive sampling was used. Four nurse educators participated in the study and data saturation was reached. Data were collected through shadowing and informal reflective conversations over a period of 8 days. RESULTS: The following relationships emerged: nurse educators model 'being professional', 'being facilitating, nurturing, caring and compassionate, encouraging, and motivating', and 'being purposeful in their nursing education approach'. CONCLUSION: Participants role modelled presence to nursing students despite daily challenges in their work. CONTRIBUTION: Creating awareness of how nurse educators can model presence despite daily challenges in their work will influence and motivate nursing students to develop presence skills. This will have a positive impact on managing patients in practice. Recommendations can guide nursing education, policy development and future research to strengthen nurse educators modelling presence.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».