MétaCan
Menu
Retour à la cohorte
Enregistrement W4254284325 · doi:10.22230/jripe.2018v8n1a271

Nursing and Biomedical Laboratory Science (BMLS) Students´ Interprofessional Training in the Simulation Laboratory

2018· article· en· W4254284325 sur OpenAlexvenueno aff
Frøydis Vasset

Notice bibliographique

RevueJournal of Research in Interprofessional Practice and Education · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueInterprofessional Education and Collaboration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDebriefingFocus groupInterprofessional educationVisitor patternMedical educationHealth scienceHealth careQualitative researchMedicinePerceptionCollaborative learningNursingPsychologyPedagogyComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

Background: The purpose of this study is to present nursing and Biomedical Laboratory Science (BLMS) students’ perceptions of interprofessional education and collaborative practice in a simulation laboratory.Method: A mixed-method research was employed, and the approach was an explanatory sequential design. A quantitative study was followed by a qualitative study. Sixty-nine students participated in the survey, with 16 items representing different aspects of interprofessionalism.Findings: The factor “value of IPE” scored the highest mean, followed by the factor “need for collaborative practice.” Female students were more positive on the “value of IPE” than male students. The focus-group interviews revealed that the students considered debriefing afer the simulation to be a useful learning opportunity. They commented that it was useful to understand each other’s roles and it made them respect each other more. BMLS students felt that they were peripheral to the case, like a visitor in the simulation scenario.Conclusion: Information for this study was gathered from a large group in a short amount of time. However, the students gained an insight into the need for an interprofessional approach to complex challenges in healthcare.

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)0,023
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0230,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,116
Tête enseignante GPT0,630
Écart entre enseignants0,514 · 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'étudeQualitatif
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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research in Interprofessional Practice and EducationMême sujetInterprofessional Education and CollaborationTravaux en français237 207