Examining students’ perception of rural practice following an educational strategy aimed at preparing postsecondary students for rural careers: a systematic review protocol for qualitative studies
Notice bibliographique
Résumé
INTRODUCTION: Rural areas are widely acknowledged as being at a workforce disadvantage when compared with urban populations. One of the factors contributing to this disparity is the paucity of workforce professionals who live and practice in rural areas. Educational strategies used to train these workforce professionals may help better prepare students for rural careers and thus increase retention. The purpose of this systematic review is to examine students' perceptions of rural practice following an educational strategy used to prepare students for rural careers. METHODS AND ANALYSIS: Searches will be conducted in the following databases: Medline (Ovid), CINAHL (Ebscohost), ERIC (Proquest), Social Services Abstracts (Proquest), PsycINFO (Proquest) and IEEE Xplore. The literature search will be limited to articles published in English in the last 20 years. Data will be extracted for author(s), year of publication (2001-2021), country of origin, research question, research design, participants, where the study takes place (eg, classroom, community), educational strategies used, theoretical approach and findings related to the research question (ie, student perceptions). Methodological validity will be assessed using standardised tools. Two independent reviewers will conduct data extraction and quality appraisal, and any disagreement will be adjudicated by discussion or with a third reviewer. Results will be presented in tabular and narrative formats. ETHICS AND DISSEMINATION: This review does not require formal ethical approval as it does not involve direct student contact or student-identifiable data. The final systematic review will be submitted to a peer-reviewed journal.
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 | 0,187 | 0,158 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,006 |
| Méta-épidémiologie (sens large) | 0,014 | 0,012 |
| Bibliométrie | 0,019 | 0,015 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,007 |
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 ».