MétaCan
Menu
Retour à la cohorte
Enregistrement W3160936072 · doi:10.2196/27736

Nursing Students’ Perceptions about Effective Pedagogy: Netnographic Analysis

2021· article· en· W3160936072 sur OpenAlexvenueno aff
Jennie C. De Gagné, Paula D Koppel, Hyeyoung K. Park, Allen Cadavero, Eunji Cho, Sharron Rushton, Sandra S. Yamane, Kim Manturuk, Dukyoo Jung

Notice bibliographique

RevueJMIR Medical Education · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueInnovations in Medical Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExcellencePedagogyLifelong learningHealth carePsychologyQualitative researchNurse educationMedical educationNursingMedicineSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Effective pedagogy that encourages high standards of excellence and commitment to lifelong learning is essential in health professions education to prepare students for real-life challenges such as health disparities and global health issues. Creative learning and innovative teaching strategies empower students with high-quality, practical, real-world knowledge and meaningful skills to reach their potential as future health care providers. OBJECTIVE: The aim of this study was to explore health profession students' perceptions of whether their learning experiences were associated with good or bad pedagogy during asynchronous discussion forums. The further objective of the study was to identify how perceptions of the best and worst pedagogical practices reflected the students' values, beliefs, and understanding about factors that made a pedagogy good during their learning history. METHODS: A netnographic qualitative design was employed in this study. The data were collected on February 3, 2020 by exporting archived data from multiple sessions of a graduate-level nursing course offered between the fall 2016 and spring 2020 semesters at a large private university in the southeast region of the United States. Each student was a data unit. As an immersive data operation, field notes were taken by all research members. Data management and analysis were performed with NVivo 12. RESULTS: A total of 634 posts were generated by 153 students identified in the dataset. Most of these students were female (88.9%). From the 97 categories identified, four themes emerged: (T) teacher presence built through relationship and communication, (E) environment conducive to affective and cognitive learning, (A) assessment and feedback processes that yield a growth mindset, and (M) mobilization of pedagogy through learner- and community-centeredness. CONCLUSIONS: The themes that emerged from our analysis confirm findings from previous studies and provide new insights. Our study highlights the value of technology as a tool for effective pedagogy. A resourceful teacher can use various communication techniques to develop meaningful connections between the learner and teacher. Styles of communication will vary according to the unique expectations and needs of learners with different learning preferences; however, the aim is to fully engage each learner, establish a rapport between and among students, and nurture an environment characterized by freedom of expression in which ideas flow freely. We suggest that future research continue to explore the influence of differing course formats and pedagogical modalities on student learning experiences.

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 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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,604
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,005
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,009
Tête enseignante GPT0,441
Écart entre enseignants0,432 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations15
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical EducationMême sujetInnovations in Medical EducationTravaux en français237 207