Lessons learned from clinical course design in the pandemic: Pedagogical implications from a qualitative analysis
Notice bibliographique
Résumé
AIMS: The purpose of this study was to examine clinical pedagogy based on experiences of changes and adaptations to clinical courses that occurred in nursing education during the pandemic. Beyond learning how to manage nursing education during a pandemic or other crisis, we uncover the lessons to be learned for overall improvement of nursing education. DESIGN: Qualitative descriptive analysis using semi-structured interview data with baccalaureate nursing students. METHODS: Data were collected in the spring of 2021 using semi-structured interview with 15 participants. Transcribed text was analysed using thematic content analysis. The COREQ checklist was used to guide our reporting. RESULTS: Three themes were identified related to course design in clinical courses for nursing students: the role and limitations of simulation, competency evaluations and career implications. Students expressed some concern over not 'finishing hours', loss of in-person clinical experiences and their reduced exposure to different clinical settings. CONCLUSION: To prepare work-ready nurses, educators need to keep in mind the trends, issues and demands of future healthcare systems. Simulation may have been a temporary measure to achieve clinical competence during the pandemic but needs to be of high-quality and cannot meet all the expected learning outcomes of clinical courses. Exposure to different patients, families and communities will ensure that the future nursing workforce has experience, socialization, competence, and desire to work in various clinical settings. Competency evaluation similarly needs to be robust and objective and consider the role and perception of hours completed. PATIENT OR PUBLIC CONTRIBUTION: No patient or public contribution. Participants were nursing students.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 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 ».