MétaCan
Menu
Retour à la cohorte
Enregistrement W4386944340 · doi:10.3928/01484834-20230815-04

Development of Gerontological Learning Objectives to Enhance Nursing Educational Curricula

2023· article· en· W4386944340 sur OpenAlexaboutno aff
Meaghan Davey, Linda Sheiban Taucar, Michelle Heyer, Véronique Boscart

Notice bibliographique

RevueJournal of Nursing Education · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueAging and Gerontology Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumGerontological nursingDelphi methodNursingNurse educationMedical educationPsychologyMedicinePedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

Background: Many nursing schools are challenged to provide adequate gerontological education to students despite the enormous benefits to students' careers and society. This project developed student learning objectives to be used by nursing faculty to facilitate enriched gerontology courses and program curricula. Method: The project team drafted a comprehensive list of nursing student learning objectives based on the 2020 Canadian Gerontological Nursing Association Standards of Practice and Competencies and included relevant supportive references. Subsequently, 20 gerontological nurse experts reviewed the learning objectives through a modified Delphi process via online Qualtrics surveys (two rounds). Results: A total of 176 learning objectives were rated in round one for importance, measurability, feasibility, and interpretability; these were amalgamated to 47 learning objectives for review in round two. Conclusion: Thirty-three learning objectives were identified and validated that can be used by nursing schools to offer increased opportunities for gerontological learning. [ J Nurs Educ . 2024;63(4):256–260.]

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,883
Score d'incertitude au seuil0,346

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,514
Écart entre enseignants0,436 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing EducationMême sujetAging and Gerontology ResearchTravaux en français237 207