International nurse education leaders’ experiences of responding to the COVID‐19 pandemic: A qualitative study
Notice bibliographique
Résumé
AIMS: To explore the experiences of strategic leads for nurse education as they sought to respond to the COVID-19 pandemic. DESIGN: We utilised a qualitative interpretative approach to explore education leaders' experiences of leading during the early months of the pandemic. METHODS: Nineteen leaders with significant strategic responsibility for nurse education in Australia, Canada, New Zealand, Singapore and the United Kingdom were identified via purposive sampling and agreed to participate. Interviews were held between May and July 2020. RESULTS: Four overarching themes arose from the analysis: (1) Crisis driven adaptability & flexibility; (2) Responsive, complex and changing communication; (3) Making decisions for student and staff safety; (4) Looking to the future; stronger partnerships. CONCLUSION: Internationally, while nursing education leaders faced different problems, they shared a common goal amidst the crisis to remain student-centred. They demonstrated they were able to face major challenges, respond to large scale logistical problems and make decisions under significant and ongoing pressure. IMPACT: In responding to the pandemic, nurse leaders shared knowledge and offered mutual support. This bodes well for future collaboration. The move to online learning accelerated an existing trend and it seems likely that this will continue. Given the pressures they experienced over an extended period, the sector may wish to consider how it prepares and supports existing and future leaders.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».