The image of nursing in the media: A scoping review
Notice bibliographique
Résumé
AIM: To systematically review the available evidence from research exploring the image of nurses in the media. BACKGROUND: Nurses have historically faced many challenges and have received media attention for such efforts. However, the image of nursing traditionally conveyed by media has failed to represent the real character and a positive image of the nursing profession. REVIEW METHODS: For this scoping literature review, a search was conducted in PubMed, CINAHL, Scopus, PsycINFO, Web of Science and Dialnet to identify studies written in English, Spanish or Portuguese from the earliest date in the databases until February 2022. Four authors were involved in a two-stage screening process. Data were subjected to quantitative content analysis. A decade-by-decade analysis was performed to track the evolution of the research. RESULTS: Sixty studies were included. The analysis shows (1) an increasing interest in analysing the portrayal of nurses and nursing in media over time, especially from 2000 onwards; (2) a prevailing trend of focusing on one form of media when analysing the portrayal of nurses; (3) qualitative designs as the most frequent method for exploring the image of nursing; and (4) a predominantly negative image conveyed by media. CONCLUSIONS: There is a notable body of scientific evidence about the image of nurses and nursing portrayed in media. The interest in analysing media depictions of nursing has a long history. The included studies' samples showed heterogeneity, as they were obtained from different media, periods and countries. IMPLICATIONS FOR NURSING: This scoping review is the first systematic review to provide a comprehensive map of what has been studied thus far regarding media depictions of nursing. It confirms the imperative need for nurses in different settings (academic, assistance or management fields) to maintain a proactive attitude towards addressing images of nursing and ensuring accurate representations.
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 | 0,019 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,039 | 0,026 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».