MétaCan
Menu
Retour à la cohorte
Enregistrement W4391885740 · doi:10.17483/2368-6669.1420

Adaptation de l’instrument « Évaluation de l’environnement d’apprentissage clinique » : ajout de la composante de la dynamique de groupe

2024· article· fr· W4391885740 sur OpenAlexaffvenue
Marjolaine Dionne Merlin, Frances Gallagher, Stéphan Lavoie

Notice bibliographique

RevueQuality Advancement in Nursing Education - Avancées en formation infirmière · 2024
Typearticle
Languefr
DomaineDecision Sciences
ThématiqueEvaluation and Performance Assessment
Établissements canadiensUniversité de SherbrookeUniversité de Moncton
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPsychologyArt

Résumé

récupéré en direct d'OpenAlex

Résumé Contexte et problématique : Lors d’un stage en groupe, la dynamique entre les stagiaires du groupe peut compromettre leurs apprentissages et nuire à l’expérience de stage. Les instruments de mesure recensés permettent d’évaluer différentes composantes de l’environnement d’apprentissage clinique (EAC) associées à l’expérience d’apprentissage de stagiaires, sans toutefois inclure la composante de la dynamique de groupe en lien avec leur expérience d’apprentissage. Il en est ainsi pour l’instrument de mesure Évaluation de l’environnement d’apprentissage clinique (EEAC), composé de trois sous-échelles. Ce manque ne permet pas de documenter la composante de l’EAC, qui délimite les actions d’amélioration par les personnes superviseures de stage afin de promouvoir une dynamique de groupe optimale pour l'apprentissage. Le but de cette étude était d’adapter l’instrument de mesure EEAC pour y ajouter la sous-échelle de la dynamique de groupe. Méthode : Pour assurer la rigueur scientifique dans l’adaptation de l’instrument, nous avons retenu sept étapes suggérées par DeVellis et Thorpe (2021), soit : 1) déterminer l’objet de mesure, 2) élaborer des énoncés, 3) déterminer l’échelle de mesure, 4) réviser les énoncés, 5) réaliser des entrevues cognitives, 6) réaliser le prétest pour valider les énoncés, et 7) évaluer les énoncés. La dernière étape fut réalisée auprès de 160 stagiaires en sciences infirmières. Résultats : Une sous-échelle spécifique à la dynamique de groupe incluant 16 énoncés a été ajoutée à l'instrument EEAC tels que : « J’étais à l’aise de poser des questions aux stagiaires de mon groupe » et « J’ai ressenti un sentiment d’appartenance à mon groupe ». Le coefficient alpha de Cronbach (0,883) démontre une bonne cohérence interne pour cette sous-échelle et paraît approprié pour évaluer cette composante de l’EAC des stagiaires. Conclusion : L’ajout de la composante de la dynamique de groupe dans l’instrument sert de moyen pour évaluer de façon plus holistique l’EAC, incluant les composantes portées à influencer l’expérience d’apprentissage des stagiaires infirmières. Les résultats permettent aux personnes superviseures d’utiliser l’instrument EEAC adapté afin d’identifier et d’évaluer des actions favorisant une dynamique de groupe optimale à l’apprentissage expérientiel des stagiaires en sciences infirmières. Context and Problem: During group practicums, the dynamics between students in a group can compromise the participants’ learning and hinder the practicum experience. The identified measurement tools make it possible to assess various components of the clinical learning environment (CLE) associated with the students’ learning experience, without, however, addressing group dynamics related to their learning experience. This is

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)0,024
score de la tête « metaresearch » (Gemma)0,079
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,079
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,094
Tête enseignante GPT0,506
Écart entre enseignants0,412 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueQuality Advancement in Nursing Education - Avancées en formation infirmièreMême sujetEvaluation and Performance AssessmentTravaux en français237 207