Perceptions of the Nursing Students and Academic Staff on College Recruitment Policies in the UAE
Notice bibliographique
Résumé
Background: Higher education in field of Nursing in the United Arab Emirates faces many challenges regarding the increasing number of nursing students at the Baccalaureate level in nursing programs, which in fact, is a similar situation in all parts of the world (Saifan et al., 2021; Wollin & Fairweather, 2012 & Torregosa et al., 2015). Method: This qualitative research is intended to discover the perceptions of UAE nursing undergraduate students, along with their teaching faculty, regarding the recruitment policies within the nursing colleges of the UAE. The grounded theory constructivist approach was followed. In addition, the “Conceptual Model of Academic Performance” has explained the data analysis of the responses. A focus group interview has been conducted with ten nursing students who were in their third year and five nursing lecturers. These students are attending nursing colleges in Abu Dhabi. In order to gain a clear understanding of their impressions, an open-ended interview has been conducted about current recruitment policy (in general), with a focus on the IELTS and GAP (tests) requirements, ie: minimum scores. Conclusion: The findings indicate that students were dissatisfied with the requirement of “Band (6)” for the IELTS test score. They suggested decreasing this requirement to a band of 5 - 5.5 for accepted college admission requirements. They were, however, happy with the high school GPA policy whereby more consideration was given to some students, which minimizes the expectations while simultaneously increasing their chances of becoming Emirati qualified nurses. Furthermore, by easing the requirements, the UAE has helped in reducing the current nursing shortage.
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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,001 | 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 ».