MétaCan
Menu
Retour à la cohorte
Enregistrement W3139078442 · doi:10.5430/jnep.v11n7p43

Implementing social media into nursing education

2021· article· en· W3139078442 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGenerational Differences and Trends
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésSocial mediaWorkforceNarrativeNurse educationNursingPerspective (graphical)PedagogyMedical educationSociologyPsychologyMedicineComputer sciencePolitical scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Social media is an aspect of everyday life for many undergraduate nursing students and can also be beneficial from an education perspective. Popular social media platforms can be used as often as daily for many nursing students. The emergence of Generation Z (born between 2995-2010) as the predominant population of nursing students calls for a shift in pedagogical approaches; one that accommodates the needs of the unique demographic. This narrative literature review examines how social media can provide an effective pedagogical tool to engage the modern undergraduate nursing student by providing a platform for accessible educational activities, fostering professional identity and encourages virtual professionalism for this unique Generation. Guided by a constructivist approach and the Social Media for Learning (SM4L) framework, this pedagogical approach could foster student engagement and promote appropriate use of social media in the personal and professional lives of nursing students. Additionally, these innovative nurses can enter the workforce prepared to use social media tools to disseminate health information and patient teaching appropriately and professionally, providing better access and improved care for patients.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,754
Score d'incertitude au seuil0,943

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
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 Opus0,127
Tête enseignante GPT0,503
Écart entre enseignants0,376 · 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