Validation of a structured questionnaire to assess the perception and satisfaction of respiratory therapy students toward career prospects and learning resources
Notice bibliographique
Résumé
Background: Respiratory therapy is an emerging profession that has existed in India since 1995. Respiratory therapy students will play a significant role in strengthening various aspects of healthcare in the future. There are no validated instruments to evaluate students' perceptions of their careers and satisfaction with the learning resources. The primary objective of the current study is to develop and validate a structured questionnaire (SQ) for respiratory therapy students in India, encompassing all the components of their career development and satisfaction. Methods: Based on the literature review and content validity from respiratory therapy experts through multiple focused group discussions, a reliable SQ was generated with 40 items based on the Likert scale. After getting institutional ethics clearance and informed consent, the SQ was administered to 904 respiratory therapy students across the country. We performed principal component analysis (PCA), structural equation modeling, and confirmatory factor analysis (CFA) for the global fit. Cronbach's alpha was performed to estimate the internal consistency. Results: The PCA generated a 4-factor model, and internal consistency for the total scale exceeded the standard criterion of >0.70. Satisfactory goodness of fit data were yielded from CFA. Average variances extracted were higher than the correlation coefficients of the factors, which show sufficient discriminant validity. Conclusion: This study shows a clinically acceptable model, it fits and suggests the possibility of applying a SQ to a respiratory therapy student with relatively good construct validity and internal consistency, based on the results of CFA.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».