Reaching out to those we teach about: a qualitative appreciative inquiry of older persons’ experience as mentors in a bachelor of nursing programme during the Covid-19 pandemic
Notice bibliographique
Résumé
Background: This article describes the development and refinement of a component of a first-year nursing course called ‘Theoretical perspectives in nursing care: complexities in seniors care’. Initially developed in 2020 in response to the pandemic restrictions and guided by the philosophy of person- centredness and person-centred practice, a senior mentorship programme called ‘Engaging with your senior mentor in the community’ has become an important element of the broader theoretical course. Aim: To report on the experiences of older persons living in the community who volunteered to be mentors to first-year bachelor of nursing students, and explain how their experiences informed person-centred quality improvements for future courses. Methods: Appreciative inquiry principles guided the study. Qualitative descriptive design methods – online surveys and focus groups – were employed to evaluate the senior mentorship initiative. Thematic analysis was performed to identify themes that described what the experience of participating in the initiative was like from the perspective of the senior mentors themselves. Findings: Our analysis identified five themes: (a) sharing; (b) contributing; (c) listening; (d) self-reflecting; and (e) communicating expectations. Conclusion: Sharing wisdom informed by lived experience can be a rewarding part of ageing. Senior mentors believed they had contributed in a meaningful way to the student nurses’ learning. Implications for practice: This article reaffirms that older persons are keen to participate in education initiatives Insights from the senior mentors will inform educators in health and social sciences who want to incorporate the voices of older persons in their classroom and practice teaching Older persons should be considered potential partners who can help educators develop a culture of person-centredness to help students prepare to appreciate the older persons in their care
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 | 0,036 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,015 | 0,019 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».