Establishing a Community of Practice for Doctoral Studies Amidst the COVID-19 Pandemic
Notice bibliographique
Résumé
In this discussion paper, we describe our experience completing the first year of the doctorate in nursing program at a large urban academic centre during the COVID-19 pandemic. We highlight the current nursing shortage and the importance of supporting all nursing students, including nurses in doctoral programs, towards successful graduation. We describe the development of a virtual community of practice incorporating five key strategies: building community, fostering collaboration, strengthening connection, enhancing creativity, and promoting consistency. We believe that utilizing these strategies will contribute to our success and may be relevant to nursing leaders seeking to support the development of more doctorally prepared nurses. Participation in a community of practice early on in doctoral education will not only better prepare students for success in their program, but also continued success as they progress through their careers. It is important for students to not only make connections with peers in their area of academic study, but to also reach out to peers in other disciplines to improve both individual and interdisciplinary growth. Program administrators and educators can encourage the formation of community of practice among novice doctoral students. This encouragement can be achieved using a virtual platform, or in-person networking opportunities. Inviting incoming graduate students to connect with each other and with students from previous cohorts also fosters community of practice formation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,029 | 0,010 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,004 | 0,037 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».