E-learning in nursing education in Rwanda: A middle-range theory
Notice bibliographique
Résumé
Background: The rapid development of technology has compelled tertiary institutions to devise innovative teaching strategies to meet the students’ needs and market’s demands. Recently, the Covid-19 pandemic is forcing educational instructions to shift from in-person to online learning. E-learning is one of the areas advancing rapidly and which provide promises in nursing education. The aim of this study was to develop a middle-range theory to guide the utilisation of an e-learning platform in nursing education in the context of Rwanda.Methods: A grounded theory approach, following Strauss and Corbin, was used. The study population included nurse educators, nursing students, Information and Communication Technologies (ICT) managers, and experts in e-learning and nursing education. The sample size consisted of 40 participants. Data were collected using in-depth interviews, focus group discussion and document analysis. Data analysis was guided by Strauss and Corbin’s grounded theory framework, which facilitated the middle-range theory development.Results: Implementation of e-learning in nursing education emerged as the central concept in this model. E-learning was viewed as a mechanism to advance the country’s political agenda to integrate technology in higher education, a tool to widen access to nursing education, a student-centred approach, and blended learning. The implementation of e-learning was facilitated by catalyst agents such as institutional support, e-readiness, partnerships and collaboration, policies and regulations, effective working learning management system, and bridging the digital divide. Integration of e-learning in nursing education was expected to improve nursing education quality and increase competent nurses and midwives graduates.Conclusions: This study highlights the importance of e-learning in nursing education. The adoption of the innovative, technology-enabled nursing education models would augment capacity to scale up nursing and midwifery education, enhance the quality and relevance of training, and adopt equity-focused policies. This model is a tool to facilitate the establishment of a supported network learning space in nursing education in a fluid and dynamically changing nursing practice context.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,010 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».