A MIXED METHOD APPROACH TO UNDERSTANDING NURSING STUDENTS' SELF-EFFICACY TO CARE FOR OLDER ADULTS IN GHANA
Notice bibliographique
Résumé
Abstract To identify students’ motivation, gaps, and opportunities to design effective teaching strategies, it is necessary to examine nursing students' understanding of their self-efficacy to care for persons 60+ years. A mixed-method approach was employed. In phase 1, 170 second-and third-year nursing students from two public Nursing Colleges in Ghana were recruited. A cross-sectional survey included the General Self-efficacy to Care for Older Adults’ scale (GSE-COA), the Kogan’s Attitudes towards Old Peoples scale, and the Knowledge about Older Patients Quiz. Data were analyzed using descriptive statistics in SPSS IBM 26. The results of phase 1, informed the selection of students for phase 2. In phase 2, 17 students were purposefully selected for in-depth semi-interviews. Qualitative data were analyzed using thematic analysis. Both results were then integrated, interpreted, and presented jointly. Students’ mean age was 21yrs (SD=3.73), with 91 (54%) females. Most students 140 (71.0%) had lived with/were currently living with an older adult. The majority 164 (97%), had higher scores for GSE-COA (mean= 107, SD=14.29), indicating high self-efficacy. Qualitative results showed that students’ high self-efficacy was due to their familiarity with older adults at home and their perceived competence in routine nursing care. Students who demonstrated a high sense of self-efficacy were confident and perceived caring for older adults as a duty and responsibility, had experience/exposure to and were comfortable working with older adults. The findings demonstrate an opportunity to design effective teaching strategies to develop and sustain students’ interest and motivation in the care for older adults in Ghana.
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 | 0,002 | 0,003 |
| 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 | 0,000 |
| 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 ».