MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390113304 · doi:10.5430/jnep.v14n4p1

Developing education for e-professionalism-Mixed methods evaluation of the impact of an evidence based educational tool for nurses

2023· article· en· W4390113304 sur OpenAlexvenueno aff
Gemma Sinead Ryan, Jessica Jackson

Notice bibliographique

RevueJournal of Nursing Education and Practice · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSocial mediaAction (physics)Context (archaeology)Focus groupPsychologyMedical educationQualitative researchHealth professionalsQualitative propertyHealth carePedagogyNursingPublic relationsMedicineSociologyComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Background and objective: Research literature has long suggested a need for educational tools that raise awareness of e-professionalism, promote reflective practice and skills to manage what is shared publicly in social media. This study aimed to evaluate the utility of an evidence-based educational tool (Awareness to Action, A2A) on the topic of e-professionalism, designed specifically to raise [personal and professional] awareness about the risks associated with social media platforms and the information that is shared within them.Methods: Realist action research, collecting quantitative and qualitative data via the A2A quiz and focus groups. Results: The A2A quiz was taken by n = 17 participants and n = 8 participants took part in the focus groups. Data showed that the tool was deemed as ‘really’ relevant to practice. Three main themes were found in the data 1) Defining and understanding e-professionalism, 2) The wider context of social media and e-professionalism and 3) The impact of the A2A tool.Discussion and conclusions: Nurses and nursing students are aware of e-professionalism but less able to define it clearly, favouring practical examples of what they consider to be acceptable. The blurring of social-personal-professional boundaries is a challenge when using social media, as is the general nature of social media but the tool was deemed as helpful in navigating these challenges. Educational tools, such as the A2A tool can have a positive impact on nurses, students and - as it is free to access and easy to complete - potentially other healthcare professionals’ behaviours online, fostering reflection and positively changing behaviours/perspectives.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,243
score de la tête « metaresearch » (Gemma)0,265
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,243
Score d'incertitude au seuil0,933

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2430,265
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,006
Bibliométrie0,0060,004
Études des sciences et des technologies0,0020,003
Communication savante0,0070,005
Science ouverte0,0040,009
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,667
Tête enseignante GPT0,717
Écart entre enseignants0,050 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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 Education and Practice→Même sujetSocial Media in Health Education→Travaux en français237 207→