The impetus of COVID-19 in transforming nursing education through informatics
Notice bibliographique
Résumé
Background: National nursing organizations worldwide have called for the inclusion of digital tools in nursing curricula to prepare future nurses to use digital tools in their professional practice. Objective: This study explored the experiences of nursing faculty with respect to integrating digital tools in their teaching to support undergraduate student learning during the COVID-19 pandemic. Method: This study was a focused ethnography featuring semi-structured interviews, field notes, and artifacts. Data were analyzed concurrently with data collection, using thematic analysis. A total of 21 participants from nine undergraduate nursing programs in Western Canada were interviewed as part of a larger study. This paper focuses on the 12 participants who were interviewed during the COVID-19 pandemic. Results: This paper discusses four themes related to faculty experiences using digital tools to support student learning during the COVID-19 pandemic: (1) the pandemic, (2) enablers, (3) challenges, and (4) learners. Faculty quickly transitioned from in-person to remote and virtual teaching, changing how they engaged with digital tools. Faculty were responsive and collectively rose to the challenges they faced, which suggests their agility and willingness to embrace informatics. Conclusion: The pandemic created an impetus for nursing faculty to utilize more digital tools to sustain the continuity of education. Further support and resources are needed to increase faculty informatics capacity in a more systematic way.
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 | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,019 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,015 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».