EVIDENCE-BASED PRACTICE TEACHING INTEGRATION IN COLLEGE NURSING STUDIES: HISTORICAL AND LEGAL ASPECTS
Notice bibliographique
Résumé
To better understand and analyze the education of evidence-based practice, it is necessary to review the context and premises of the formation of evidence-based practice itself. The beginning of the evidence-based practice movement in the teaching of health professionals’ dates back to 1910 and looking at the health care system; first, there was evidence-based medicine. In 1990, Sackett's initiative at McMaster University in Canada, it was decided to change the term "evidence-based medicine" to "evidence-based practice" (Mackey Bassendowski, 2017; Thom Eaves, 2015). In nursing, the beginning of evidence-based practice is linked to the reforms of nursing science and practice by the first nursing researcher, Florence Nightingale, from 1854 to 1910, although the term of “evidence-based practice” was not yet known at the time. The professional training of nurses as one of the leading health professionals is related to health policy and the development of nursing science. The European Qualifications Framework (EHEA) defines the expected learning outcomes for professionals with a bachelor's degree, including the skills to find, evaluate, reflect, and apply scientific information in practice (Bologna Working Group, 2005). Despite international and national recommendations, it is difficult for many higher education institutions to refine the steps of teaching evidence-based practice in nursing study programs. These difficulties are revealed by the ambiguity in the definition of the concept of evidence-based practice (Horntvedt et al. 2018).The problematic question is: What is the basis for integrating evidence-based practice training into college nursing study programs?The study is based on the scientific literature review.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».