MétaCan
Menu
Retour à la cohorte
Enregistrement W4313566806 · doi:10.1111/phn.13163

Developing simulation games to advance public health nursing competence in baccalaureate education

2023· article· en· W4313566806 sur OpenAlexaffabout
Ruth Schofield, Andrea Chircop, Genevieve Currie, Sue Molleson Foster, Julie Hamilton, Denise Kall, Marian Luctkar‐Flude, Dawn Mercer Riselli, Stacy Oke, Maureen Ryan, Tanya Sanders, Susan H. Tam, Jane Tyerman

Notice bibliographique

RevuePublic Health Nursing · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensThompson Rivers UniversityUniversity of VictoriaUniversity of CalgaryUniversity of OttawaRegional Municipality of DurhamAthabasca UniversitySt. Lawrence CollegeUniversity of British ColumbiaHamilton Health SciencesDalhousie UniversityMount Royal UniversityQueen's UniversityMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPublic health nursingNursingPublic healthNurse educationOccupational health nursingHealth careCompetence (human resources)Health promotionCommunity healthMedicineInstructional simulationHealth educationMedical educationPsychologyPedagogyPolitical scienceEducational technology

Résumé

récupéré en direct d'OpenAlex

We describe the development of an innovative baccalaureate nursing education strategy for public health nursing. Virtual simulation pedagogy is known to be effective for acute care nursing practice while less known for public health nursing. Three Canadian nursing schools, the Canadian Association of Schools of Nursing (CASN), and the Canadian Alliance of Nurse Educators using Simulation (CAN-Sim) partnered to develop three public health nursing virtual simulation games. Learners work through unfolding population health scenarios, simulating public health nursing practice focused on entry level public health nursing competencies. Each game fosters clinical reasoning and collaborative, community decision-making to respond to population health issues during community assessment, evidence-informed health promotion planning, and evaluation processes. A companion guide was developed to support best practices in implementing virtual simulation and promote optimum student learning using the public health nursing games.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,813
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,006
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,161
Tête enseignante GPT0,483
Écart entre enseignants0,323 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePublic Health NursingMême sujetSimulation-Based Education in HealthcareTravaux en français237 207