MétaCan
Menu
Retour à la cohorte
Enregistrement W4213363441 · doi:10.17483/2368-6669.1287

Nurse Educators’ Perceptions of Ecoliteracy in Undergraduate Nursing Education

2022· article· en· W4213363441 sur OpenAlexaffvenueabout
Jennifer Lynn Morin, Benita Cohen, Nicole Harder, Shirley Thompson

Notice bibliographique

RevueQuality Advancement in Nursing Education - Avancées en formation infirmière · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate Change and Health Impacts
Établissements canadiensUniversity of ManitobaRed River College
Organismes subventionnairesnon disponible
Mots-clésNurse educationNursingCurriculumIndigenousHealth careMedicinePsychologyPolitical scienceEcologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Introduction: Increased human health concerns related to the natural environment and climate change are having a growing impact on nursing practice. This past year in Canada, for example, British Columbia reported the highest number of heat related deaths, followed by devastating forest fires in many provinces that have disproportionately impacted Indigenous Peoples. Nurses are well positioned to address the direct health impacts associated with climate change. As a result, nurses require an increased level of ecoliteracy to address the health impacts linked to climate change. The role of the nurse in addressing the health impacts of climate change are vast, ranging from direct patient care, education and advocacy, their role includes supporting individuals, communities, and populations to mitigate, adapt and build resiliency in the face of a changing climate. Background: Regulatory and professional associations support the professional emphasis on the significance of ecoliteracy yet there is insufficient understanding of the resistance to the content in nursing curricula. Although current literature supports an increased emphasis on the integration of ecosystem health concerns and the impact on human health within undergraduate nursing education, there is a paucity of empirical evidence regarding nursing educators’ perspectives on the subject. This study is a first step in gaining a greater understanding of the perspectives of nurse educators on ecoliteracy within undergraduate nursing education programs in one Canadian province. Methods: This qualitative research study included 13 nurse educators from three diverse academic settings. Data were collected using semi-structured, open-ended interview questions, followed by content analysis of the data. Results: Data analysis revealed five key themes: a) importance of ecoliteracy in undergraduate nursing programs; b) current integration of ecoliteracy concepts in curricula; c) future considerations for ecoliteracy content; d) barriers to the inclusion of content supportive of ecoliteracy in curricula; e) strategies to address barriers. While educators feel that ecoliteracy is important in undergraduate nursing, they noted that the current integration of climate content in the curriculum is uneven. Barriers and potential strategies to integrating this content are identified. Conclusion: The findings of this study can be used for curriculum revision and to stimulate innovation and research in nursing education. This study creates the opportunity for a larger scale replication study, pilot studies of the integration of concepts that would support ecoliteracy, and further research on the topic. This study identified that many complexities are involved in achieving ecoliteracy in nursing education and suggest that while threading of content can address the urgent need, further research is required to identify entry to practice requirements for undergraduate 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.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge 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 enseignants0,577
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,036
Tête enseignante GPT0,415
Écart entre enseignants0,379 · 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

Citations8
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueQuality Advancement in Nursing Education - Avancées en formation infirmièreMême sujetClimate Change and Health ImpactsTravaux en français237 207