MétaCan
Menu
Retour à la cohorte
Enregistrement W4390049347 · doi:10.22463/17949831.3890

Experiencias de profesores de enfermería durante la pandemia por COVID-19: una mirada desde el proceso de enseñanza-aprendizaje

2023· article· es· W4390049347 sur OpenAlexfundno aff
Sandra Catalina Ochoa Marín, Vanessa Restrepo-Betancur

Notice bibliographique

RevueRevista Ciencia y Cuidado · 2023
Typearticle
Languees
DomaineComputer Science
ThématiqueEducational Innovations and Technology
Établissements canadiensnon disponible
Organismes subventionnairesIngram School of Nursing, McGill UniversityUniversidad de Antioquia
Mots-clésHumanitiesSociologyPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Objetivo Describir las experiencias de los profesores en el proceso de enseñanza-aprendizaje durante la pandemia en una facultad de enfermería en Medellín, Colombia. Materiales y métodos Estudio cualitativo para el cual se realizaron once entrevistas individuales semiestructuradas. Los participantes fueron profesores universitarios de una facultad de enfermería en Medellín, Colombia. El análisis se usando elementos de la teoría fundamentada; se realizó el análisis línea a línea, lo que permitió agrupar los datos en las siguientes categorías: transformación del proceso de enseñanza -aprendizaje; efectos del proceso de enseñanza - aprendizaje; redes de apoyo; lecciones aprendidas de la experiencia. Resultados La transformación del proceso de enseñanza - aprendizaje, el manejo de herramientas tecnológicas, los efectos del rápido cambio en las metodologías de enseñanza, y las redes de apoyo de los docentes universitarios fueron las temáticas principales que surgieron de los participantes en cuanto a su experiencia en la educación de enfermería. Conclusión La educación de enfermería durante la pandemia en Colombia requirió de grandes esfuerzos de los profesores para continuar con el proceso de enseñanza aprendizaje, lo que conllevo a que se adaptaran de forma rápida, padecieran cambios en su salud, implementaran estrategias de autocuidado y requirieran apoyo de sus familiares, compañeros y amigos.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,742
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,006
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
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 Opus0,040
Tête enseignante GPT0,384
Écart entre enseignants0,344 · 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.

Devis d'étudeThéorique ou conceptuel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Ciencia y CuidadoMême sujetEducational Innovations and TechnologyTravaux en français237 207