MétaCan
Menu
Retour à la cohorte
Enregistrement W4296350036 · doi:10.5430/jnep.v13n1p31

First-year nursing students’ digital literacy: A cross-sectional study

2022· article· en· W4296350036 sur OpenAlexvenueno aff
Alexis Harerimana, Sinegugu Evidence Duma, Gloria Ntombifikile Mtshali

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital literacy in education
Établissements canadiensnon disponible
Organismes subventionnairesInyuvesi Yakwazulu-Natali
Mots-clésCronbach's alphaIBMMedical educationDigital literacyComputer literacyThe InternetLiteracyPopulationTest (biology)NursingPsychologyMedicineHealth careComputer scienceMathematics educationPedagogyWorld Wide WebPolitical science

Résumé

récupéré en direct d'OpenAlex

Background: The digital world is rapidly changing, and so do the required digital skills. As physical devices and software are adapted to meet new possibilities and demands, individuals’ skills must adapt to technological advancement. Digital literacy is increasingly used in the public discourse, becoming a core requirement of students, academics, patients and healthcare professionals. Assessing nursing students’ digital literacy at the entry-level is vital to ascertain their abilities to use digital technologies. This study aimed to assess basic digital literacy among first-year nursing students at a selected university in South Africa.Methods: This cross-sectional study was conducted from 1st March 2019 to 31st May 2019 at a university in South Africa. The population consisted of 82 nursing students from the first-year students in the 4-year nursing programme. The convenience sampling technique was used to determine the participants of this study, and 76 respondents completed a structured questionnaire. Data were analysed descriptively using the Statistical Package for Social Sciences (SPSS®) software (version 25) from the International Business Machines Corporation (IBM®). A reliability test of the instrument was conducted, and Cronbach Alpha was 0.85.Results: The students’ digital literacy included: (i) basic computer skills — performing basic computer operations, MS Word and PowerPoint; (ii) internet skills — using e-mail, Moodle®, social media platforms, accessibility to the internet; and internet searches (iii) digital device usage — desktop, laptops, tablets and smartphones. Overall, the mean for internet skills was 3.61 (SD = ±0.62), 3.11 (SD = ±0.85) for computer skills, and 3.00 (SD = ±0.47) for digital device usage. Computer skills was positively correlated with internet skills (r = 0.278, p = .012) and computer skills corrected with digital device usage (r = 0.384, p < .001). The overall score for internet skills was higher in the female group than in males, with the mean of 4.00 (SD = ±0.62) and 3.61 (SD = ±0.54), respectively (t74 = -0.405, p = .019). Furthermore, the overall score for digital device usage was higher in the age group of 20 years and above with a mean of 3.19 (SD = ±0.38) than in the age group under 20 with a mean of 2.90 (SD = ±0.48), and those differences were statistically significant (t74 = -2.420, p = .018).Conclusions: An adequate digital literacy at the entry-level of the nursing programme is a foundation and a critical factor to academic success and future use of technology in nursing education and practice. Having adequate digital literacy among nursing students would positively impact their ability to perform electronic documentation, communicate and collaborate, and search for information to support evidence-based practice.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,048
Tête enseignante GPT0,440
Écart entre enseignants0,392 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing Education and PracticeMême sujetDigital literacy in educationTravaux en français237 207