Scaffolding Information Literacy Learning for Undergraduate Nursing Students: A Mixed-Method Exploration of Student IL Self-Efficacy
Notice bibliographique
Résumé
Purpose: Information literacy (IL) competency is an essential component of evidence-informed nursing practice. It is integral to introduce and develop core information literacy competencies for evidence-informed practice within undergraduate education programs. Research has shown undergraduate students may experience challenges with information literacy skills. More research to inform teaching methodologies that effectively enhance students’ skills and abilities, as well as their self-efficacy with these skills, is needed. This article describes an innovative teaching strategy, called journal club, which uses scaffolded learning activities in small groups over one semester. Methods: This mixed-methods research study used a non-experimental pre-post survey and was aimed at understanding the impact of the journal club strategy on students’ information literacy self-efficacy. The survey included the Information Literacy Self-Efficacy Scale (Kurbanoglu et al., 2006) and two open-ended questions in the post-survey. Results: A total of 37 participants, out of 42 potential participants, consented and responded to the pre-survey and 28 to the post-survey. Cohort-based descriptive statistics demonstrated a significant increase in overall scoring on the Information Literacy Self-Efficacy Scale from the pre-survey to the post-survey. Additionally, all relevant item measures from the tool showed statistically significant improvement. The open-ended questions were analyzed thematically, which resulted in the themes of recognition of personal growth, IL skill development, the opportunity to practise, time, the impact in the future, and relational engagement and benefits of the group. Conclusion: Overall, the findings of this study provide ample evidence that the journal club teaching strategy has positively enhanced students’ IL self-efficacy and will continue to be utilized in future offerings of the course. This strategy could be replicated in other contexts and content areas.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».