Contextualizing Learning in a Resuscitation Simulation Experience: A Supportive Approach to Simulation for Novice Learners
Notice bibliographique
Résumé
Introduction: Simulation-based experiences (SBEs) continue to be utilized in undergraduate nursing programs as a teaching strategy to contextualize learning. This is especially important for novice students in a resuscitation SBE, where it is important to learn not only psychomotor skills but also the skills required for teamwork, understanding roles, and communication in teams, inherent to nursing practice. Background: Undergraduate nursing students desire teaching strategies to support their learning during high impact SBEs, such as cardiopulmonary resuscitation. These strategies need to support novice learners by providing timely feedback on performance, uncover immediate knowledge gaps, and offer opportunities for deliberate practice. An alternate facilitation approach including deliberate practice with multiple in-event short debriefing sessions was compared to the traditional post-event debriefing approach to facilitation in a resuscitation scenario. Method: Using a mixed-methods descriptive study, a traditional facilitated guided post-event debrief approach to SBE was compared to a facilitated guided in-event approach using rapid cycle deliberate practice and debriefing using the promoting excellence and reflective learning in simulation (PEARLS). Data collection included Likert scale and open-ended survey questions completed post simulation (n = 161). Results: Quantitative results indicated a higher level of support, improved areas of hand-over communication and early recognition of a deteriorating patient with the facilitator guided in-event group. Qualitative results identified three themes in the facilitator guided in-event group: supportive and deeper level learning, operationalized reflection, and debriefing-in-the-moment. Conclusion: The facilitator guided in-event group using rapid cycle deliberate practice with PEARLS framework lends to a more supportive approach and a deeper level of learning in simulation with undergraduate student nurses while contextualizing their learning.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| 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 ».