Concept Mapping in Simulation within Nursing Education: A Scoping Review Protocol
Notice bibliographique
Résumé
BACKGROUND: Simulation has been found to enhance nursing student knowledge and confidence, as well as to improve clinical performance. The use of concept maps during simulation has been found to play a key role in student learning. There is a need to understand what is known to date about the use of concept mapping in simulation within nursing education. This will help determine the most effective ways to use concept mapping in simulation to foster learning in nursing students. Scoping review question: What is known about the context, processes, and outcomes of concept mapping in simulation within nursing education? METHODS: The scoping review will be conducted in accordance with JBI methodology for scoping reviews and will search the following databases: MEDLINE, CINAHL, PsycMED, EMBASE, and ERIC. This review will consider studies that explore the use of concept mapping in simulation within undergraduate nursing education and will include studies that have used qualitative, quantitative, and mixed methods, as well as literature reviews. Editorials, commentaries, and gray literature will be excluded. Studies published from 1992 onward will be included. The data extracted will include details about the participants, how concept mapping was used within simulation, methods, key findings, and research gaps.
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 | 0,122 | 0,103 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,014 | 0,013 |
| Bibliométrie | 0,023 | 0,020 |
| Études des sciences et des technologies | 0,006 | 0,006 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,006 | 0,009 |
| Intégrité de la recherche | 0,010 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,061 | 0,016 |
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 ».