An ESP Approach to Teaching Nursing Students the Quality of Clinical Nursing Notes Writing
Notice bibliographique
Résumé
For nursing students in the education system in Saudi Arabia, English-language writing skills, whether for general or specific purposes, have long been ignored, which may jeopardize their success in medical-oriented courses and their future careers. This study designed clinical nursing note-writing course (CNNWC) for university nursing students and explored the teaching outcomes of its implementation. The three main objectives were to (a) examine the effectiveness of the CNNWC in enhancing learners’ competencies; (b) survey learners’ satisfaction with the CNNWC, and (c) investigate learners’ perceptions of the CNNWC. In this action research, 47 students practiced four writing tasks while guided with four teaching tools, namely, multiple revisions, peer review activities, and direct and indirect teacher feedback, for a semester. External examiners included a language teacher and a nursing professional, and the data-collection instruments used included a writing competence scale and a course satisfaction questionnaire. The results showed that the learners’ writing competence significantly improved after the CNNWC. They also demonstrated a fair level of satisfaction toward the CNNWC. The learners indicated a preference for feedback from the teacher rather than from peers, and they perceived vocabulary capability to be crucial. ESP/ENP teachers are advised to consider the implementation of the CNNWC when designing syllabi.
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 | 0,006 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».