Facilitating intergenerational learning between older people and student nurses: An integrative review
Notice bibliographique
Résumé
AIM: To examine the literature on intergenerational learning between older people and student nurses. BACKGROUND: Intergenerational activities offer opportunities for intergenerational learning and help reduce ageism. There are several older person/school children intergenerational learning initiatives. However, there is less known about how intergenerational learning occurs in nurse education programmes outside of service provision. METHODS: Whittemore and Knafl's (2005) integrative review framework was used to guide the review process. Population, intervention, context and outcome (PICO) was used to develop the review question, search strategy and inclusion/exclusion criteria. Database (CINAHL, Cochrane library, Medline, PubMed, Scopus and PsychInfo) searches and hand searching occurred from 2012 to 2023. Screening, appraisal and data extraction was undertaken according to Prisma guidelines. RESULTS: Nine papers were included (North American (n = 5), Canadian (n = 1) Chinese (n = 2), Taiwanese (n = 1)). Mixed methods designs were included. Four themes were identified: 1) Seeing beyond first glance; 2) Connecting and getting to know each other; 3) Learning together; and 4) Challenges for intergenerational learning. CONCLUSION: This review demonstrates the relevance of intergenerational learning in nurse education and highlights the importance of embedding initiatives which will promote and support mutual learning. Innovative intergenerational initiatives enable students to explore their underlying attitudes and views in a way that they may not be able to in the more traditional service and care giving learning situations.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».