Effect of Nursing Intervention on Emotional Intelligence, Self-esteem and Empathy of Nursing Students Undergoing Clinical Experience in Paediatric Units-Pilot Study (Part-2)
Notice bibliographique
Résumé
Background: Nurses working in paediatric settings face a number of challenges. Nurses can be emotionally drained while they see their young patients suffer. Therefore, nurses need to be emotionally intelligent. Objectives: The effect of nursing intervention on emotional intelligence (EI), self-esteem and empathy of baccalaureate nursing students undergoing clinical experience in paediatric units. Materials and Methods: The present study adopted a quasi experimental repeated measures time series design in which 60 third year baccalaureate nursing students undergoing clinical experience in paediatric units were assigned to either the experimental or control groups. Pre testing of emotional intelligence, self-esteem and empathy was done using the EI (Pc-Sc) scale, Rosenberg self-esteem scale and the Toronto Empathy Questionnaire, respectively. The study intervention included a nursing intervention programme offered in 5 two-hour sessions for 5 days. Post-test was conducted on the 30th and 60th day. Statistical Analysis: Two factor repeated measures ANOVA was used for comparison within the group and between the groups. Results: In the experimental group, the mean and standard deviation of the different areas of EI and overall EI score, self-esteem and empathy at post test 2 were higher than the mean and standard deviation at pretest. There was a significant change in the EI, self-esteem and empathy scores in the follow ups in the experimental group, indicating that the nursing intervention was effective in enhancing the EI, self-esteem and empathy of baccalaureate nursing students. Conclusion: Courses to train the emotional intelligence skills, self-esteem and empathy should be included in the nursing curriculum so as to improve nursing standards of both students and nurses in providing quality care to the patients.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».