A Qualitative Study of Why Students Choose to Study Veterinary Nursing
Notice bibliographique
Résumé
Veterinary nursing (VN) is a popular subject among undergraduate students, but due to the high attrition rates from the profession there is a shortage of registered VNs. By identifying the factors that motivated student VNs to enroll in their degree program and persist to the final, it may be possible to enhance the support available for students when they are deciding whether to study VN. Online semi-structured interviews were used with 10 student participants from the final year of a BSc (hons) VN program. The data were analyzed using a six-step method of thematic analysis. The Situated Expectancy-Value Theory was used as a framework to interpret the results and allowed for an in-depth understanding of the participant's values and beliefs to be obtained. The results highlighted that a high intrinsic value for animals is a common reason for enrolling on the program, but that, partly due to the representation of the VN profession in marketing materials, at enrollment students do not seem to have a thorough understanding of the VN job role. As students' progress through their training journeys, they develop a sense of professional identity that motivates them to continue, but they also gain an insight into the challenging reality of the VN role. VN marketing materials need to be improved to ensure they provide prospective student VNs with an accurate insight into the realities of the VN job role. They will then be in a position to make an informed choice to join the VN profession.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».