MétaCan
Menu
Retour à la cohorte
Enregistrement W3107940813 · doi:10.1111/nup.12342

Examining progression and degeneration of nursing science using Imre Lakatos’s methodology of scientific research programs

2020· article· en· W3107940813 sur OpenAlexaff
Ahtisham Younas

Notice bibliographique

RevueNursing Philosophy · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueNursing Diagnosis and Documentation
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésNursing sciencePseudoscienceTransformative learningNursing researchSociology of scientific knowledgeNursing practiceNursingHealth careEpistemologyNursing literaturePsychologyQualitative researchSociologyEngineering ethicsMedicineAlternative medicinePedagogySocial sciencePhilosophyPathology

Résumé

récupéré en direct d'OpenAlex

Over the years, nursing research and practice have been through remarkable transformations in response to evolving and emerging healthcare systems and practices. Regarding research, nurses moved beyond merely using the quantitative methodology to combining qualitative, quantitative and mixed methods. In practice, nurses have transitioned from the delivery of medical-based care to nursing theory-guided practice, evidence-based practice, knowledge translation and transformative practice. Some domains of nursing research and practice became progressive, while others degenerated. This paper aims to examine how different domains of nursing research and practice progress and degenerate using Imre Lakatos's methodology of scientific research programs. Lakatos differentiated scientific and pseudoscientific knowledge and coined the idea of scientific research programs. He believed that science in any discipline develops so that some programs are more progressive and others' degenerative. The degeneration and progression of programs occur steadily and rationally and are determined based on the extent of development and programs' potential to predict new solutions to old problems. Adopting this idea could enable nurses to critically analyse research programs in everyday knowledge development to use valid and legitimate programs for informing nursing practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,234
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,004
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,563
Tête enseignante GPT0,515
Écart entre enseignants0,048 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNursing PhilosophyMême sujetNursing Diagnosis and DocumentationTravaux en français237 207