Comparative comparison of Nursing PhD curriculum in Iran and Toronto, Canada
Notice bibliographique
Résumé
Introduction: The rapid expansion of nursing education in recent decades has raised concerns about the quality of education, competency of graduates and nursing professional growth. Comparative studies are one of the strategies to improve the quality and validation of educational systems. This study endevored to compare the PhD curriculum in nursing in Iran and the School of Nursing, University of Toronto, Canada. Methods: This descriptive-comparative study was done in the academic year 2019 through an overview of the literature, components of nursing doctoral curricula in Iran and Toronto universities by seeking the relevant online resources with Persian and English keywords "PhD in Nursing", "Nursing Education" and "curriculum". Beredy model was used for comparative comparison. Results: The PhD curriculum in Nursing at the Universities of Iran and the University of Toronto has focused on the professional values, promoting community health, social justice, innovation and student-centeredness; though, in the Iranian Nursing PhD curriculum, the focus has been on Islamic values and scientific development, and in Toronto, with a transnational perspective, emphasis has been placed on cultural values and the ability of international leadership. In the Iranian curriculum, unlike Toronto, most of the content of the courses is theoretical in nature, and there is no clear relationship between the courses and the health needs of the community and students' needs and abilities. Contrary to the strict policy of publishing an article from a doctoral dissertation in Iran, this is not the case in University of Toronto. Conclusion: Findings revealed that the doctoral curriculum in nursing in Iran has not addressed the health needs of society effectively, and lack of transnational perspective has reduced the ability of graduates to lead and participate in global health and international research. These conditions make the necessity of reviewing educational programs and contents as well as amending the relevant laws inevitable.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».