Digital professionalism on social media: The opinions of undergraduate nursing students
Notice bibliographique
Résumé
BACKGROUND: Social media are a suite of popular online technologies that enable people to share and co-create digital content. Evidence suggests some nursing students utilise social media inappropriately but there is limited literature on nursing students' opinions of professionalism in online environments. This study aimed to examine the opinions of nursing students in relation to digital professionalism on social media. METHOD: A descriptive, cross-sectional study was conducted with undergraduate nursing students in the United Kingdom (n = 112). An existing self-reported questionnaire was adapted for data collection. This was distributed to adult nursing students enrolled across all four years of a Bachelor of Nursing programme. Data were analysed using descriptive statistics. FINDINGS: Many nursing students were heavy social media users (n = 49, 44%), with Facebook, Instagram, and Snapchat being the most popular applications. Nursing students were also aware of the professional nursing regulator, the Nursing and Midwifery Council, guidelines on responsible social media use (n = 48, 43%). Nursing students' responses to various digitally professional scenarios revealed agreement that posts about alcohol or sexually explicit content, along with comments about colleagues or patients were inappropriate. However, there were mixed views around taking photographs at work, with some nursing students across all four years of the degree programme perceiving this to be satisfactory behaviour. DISCUSSION: The opinions of nursing students towards digital professionalism on social media are somewhat aligned with professional standards, although students can hold varying views on the subject. More research on how nursing students employ social media is warranted to ensure their opinions match their actual practice in online environments. It is also recommended to educate nursing students about the professional values and behaviours required on social media and how best to communicate, interact, and share information on the various online platforms, to minimise personal and organisational risk.
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 | 0,002 |
| 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 | 0,002 | 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 ».