Information technology for teaching and learning in a multi-campus public nursing college
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
Background: Technologies, such as the use of information technology for teaching and learning, e-learning and virtual learning, are commonly used terms in today’s education system. These ever growing and developing modes of teaching and learning have changed the landscape of higher education, in general. As a result, nursing education has equally responded positively to the use of information technology for teaching and learning. Aim: The aim of this study was to describe and compare the readiness to use information technology for teaching and learning for both nursing students and nurse educators in the two campuses of a North West public nursing college. Setting: The study was conducted in a multi-campus North West public nursing college in South Africa. Methods: A quantitative approach of a comparative descriptive design was followed in this study. Descriptive statistics was analysed using the Statistical Package for the Social Sciences (SPSS) Version 27. Results: A total of 285 (254 nursing students and 31 nurse educators) respondents completed the online questionnaires. Both nurse educators and nursing students were in agreement with the information technology use readiness construct (83.9% and 77.9%, respectively). For all the variables with significant (< 0.05) p -values from the Mann–Whitney U test, the mean ranks were higher for the Ngaka Modiri Molema District (NMMD) campus. Conclusion: When comparing the two campuses, conclusion can be drawn that the campus at NMDD is more ready to use information technology for teaching and learning than the campus at Dr Kenneth Kauda District. Contribution: The results of this study contribute to the body of knowledge on technology use for teaching and learning in nursing education.
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 | 0,004 | 0,001 |
| 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 | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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