MétaCan
Menu
← Retour à la cohorte
Enregistrement W3114118802 · doi:10.5430/jnep.v11n4p36

Nursing student and faculty perspectives following involvement in women, children, family scholars pilot program

2020· article· en· W3114118802 sur OpenAlexvenueno aff
Lynn D. Mohr, Jennifer B. Rousseau, Shannon O’Shea, Patricia Zillweger Kuehn

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLicensureSpecialtyNursingMedical educationMedicinePsychologyFamily medicine

Résumé

récupéré en direct d'OpenAlex

Background: Mentoring by experienced faculty can provide opportunities for nursing students to grow personally and professionally in their pursuit of establishing a clinical specialty focus. At a Midwest pre-licensure nursing (pre-licensure clinical nurse leader) program, faculty sought to assist students in pursuing knowledge and experiences within the Women, Children, and Family Nursing (WCFN) specialty.Methods: After completing an application process, selected scholars were matched with a faculty mentor to discuss student objectives/goals, project work, and engage in post-program employment opportunities conversations. At program end, both scholar and mentor completed satisfaction surveys.Results: Surveys revealed the WCFN scholar pilot program proved beneficial for both student scholar and faculty mentor. Small program changes would improve the scholar experiences.Conclusions: A WCFN Scholar program provides nursing students’ access to experienced faculty mentors who provide encouragement, assist with problem solving, and offer professional development advice, and networking. Faculty mentors reported personal satisfaction knowing they were supporting new nurse development in the WCFN specialty.

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)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,001
Communication savante0,0040,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,444
Écart entre enseignants0,358 · 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'étudeQualitatif
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 revueJournal of Nursing Education and Practice→Même sujetNursing education and management→Travaux en français237 207→