Nurse Education and Mathematical Competency: Implementation of an Online, Self-Directed, Prerequisite Model
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.
Notice bibliographique
Résumé
Mathematical competency in the profession of nursing has increasingly become a central focus as more nursing students appear to struggle with basic concepts of arithmetic, mental estimation, and critical reasoning. This paper highlights how one School of Nursing in Ontario, Canada implemented a Dosage Calculation Competency Test model which involved an online, self-directed, prerequisite approach to improve student mathematical competency and confidence. The purpose of this research case study was to document, through shared participant perceptions, the creation, implementation, and subsequent modifications to a Dosage Calculation Competency Test model in light of student needs and advances in online learning and assessment. The research design combined a quantitative survey of Year 1–4 nursing students, followed by a series of qualitative, semi-structured interviews with nursing students and program instructors. The study took place within a School of Nursing undergraduate program in Ontario, Canada. Forty-four participants, including students from all four years of the nursing program, completed the survey, followed by individual interviews with nine students and six faculty instructors. Survey (the open-response items) and interview data were analyzed thematically using ATLAS.ti (ATLAS.ti, Berlin, Germany). The authors recount the new DCCT model’s development, implementation, and subsequent modifications and further discuss student/instructor perceptions of learning types, math confidence, and competency. The paper concludes with a series of seven key recommendations for nursing programs.
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 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 | 0,002 | 0,000 |
| 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 | 0,001 |
| 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 découle