The impact of COVID‐19 on nursing students' lives and online learning: A cross‐sectional survey
Notice bibliographique
Résumé
AIMS: To explore the impact of COVID-19 on students' lives and their online learning experience. DESIGN: A cross-sectional survey design was used in this study. METHODS: A total of 44 nursing students who were enrolled in an undergraduate programme at a Canadian University participated in the study. The students were asked to fill out a 35-item survey that was developed by the European Students' Union and that was circulated across Europe in April 2020. RESULTS: The COVID-19 pandemic and subsequent lockdown affected students mentally, and emotionally. Findings also revealed that whilst most students had the privilege to study from home, many students did not have a desk, or a quiet place to study in their home and some had problems with Internet connectivity. Online lectures were delivered according to students' preferences; however, students were dissatisfied with the way their practice was organized. CONCLUSION: The similarities between this study and the European study provide common grounds for academics around the world to connect, collaborate and work on the challenges in providing nurse education in emergencies such as national disasters or pandemics to ensure preparedness for such future events. PATIENT OR PUBLIC CONTRIBUTION: No Patient or Public Contribution. IMPACT: The commonalities experienced in nursing education across the globe should act as an impetus for globalized nursing action. Educators need to prepare and reinvent a role for students in the clinical area in the event of future disasters/pandemics. Policy makers and administrators need to ensure when switching to online education no student is underprivileged or marginalized in the process.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».