MétaCan
Menu
← Retour à la cohorte
Enregistrement W3128818321 · doi:10.5539/gjhs.v13n4p1

Barriers of Intraprenurship Practice at South African Public Hospitals: Perspectives of Unit Nurse Managers

2021· article· en· W3128818321 sur OpenAlexvenueno aff
Thandiwe Marethabile Letsie

Notice bibliographique

RevueGlobal Journal of Health Science · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNursingTransformative learningConceptualizationFocus groupUnit (ring theory)Public hospitalQualitative researchIntrapreneurshipExcellenceHealth carePublic relationsBusinessMedicinePsychologySociologyMarketingPolitical scienceEntrepreneurshipPedagogy

Résumé

récupéré en direct d'OpenAlex

The paper highlights the barriers of intrapreneurship practice experienced by unit nurse managers working within the embattled public hospitals. The qualitative study was, descriptive, explorative and contextual in nature. The focus groups’discussions shed light on the plight of front runners constantly experiencing numerous intrapreneurial barriers frustrating ideation into implementable transformative programs. The barriers identified in this study include; lack of resources, security issues affecting freedom of staff and patients, poor staff ratios impacting on the rights of staff and patients, poor communication and unfair incentivised performance management system. The minimal conceptualization of intrapreneurship being quite foreign to nursing revealed in the findings is a wakeup call for senior teams pressured to improve performance. A number of public hospitals reforms consider the salient contribution of human capital in health care being key in driving quality improvement initiatives. Capacity development measures in education and clinical practice is a sensible recommendation through empowering nurses on business inclined management strategies like intrapreneurship practice improving the health care outcomes.

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)0,008
score de la tête « metaresearch » (Gemma)0,017
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 enseignants0,009
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,006
Communication savante0,0060,003
Science ouverte0,0010,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,025
Tête enseignante GPT0,305
Écart entre enseignants0,280 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health Science→Même sujetEntrepreneurship Studies and Influences→Travaux en français237 207→