MétaCan
Menu
Retour à la cohorte
Enregistrement W4391916423 · doi:10.2196/54443

Technology-Supported Guidance Models to Stimulate Nursing Students’ Self-Efficacy in Clinical Practice: Scoping Review

2024· article· en· W4391916423 sur OpenAlexvenueno aff
Paula Bresolin, Simen A. Steindal, Hanne Maria Bingen, Jaroslav Zlámal, Jussara Gue Martini, Eline Kaupang Petersen, Andréa Aparecida Gonçalves Nes

Notice bibliographique

RevueJMIR Nursing · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesLovisenberg Diakonale HøgskoleUniversidade Federal de Santa Catarina
Mots-clésNursingPsychologyMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In nursing education, bridging the gap between theoretical knowledge and practical skills is crucial for developing competence in clinical practice. Nursing students encounter challenges in acquiring these essential skills, making self-efficacy a critical component in their professional development. Self-efficacy pertains to individual's belief in their ability to perform tasks and overcome challenges, with significant implications for clinical skills acquisition and academic success. Previous research has underscored the strong link between nursing students' self-efficacy and their clinical competence. Technology has emerged as a promising tool to enhance self-efficacy by enabling personalized learning experiences and in-depth discussions. However, there is a need for a comprehensive literature review to assess the existing body of knowledge and identify research gaps. OBJECTIVE: The aim of this study is to systematically map and identify gaps in published studies on the use of technology-supported guidance models to stimulate nursing students' self-efficacy in clinical practice. METHODS: This scoping review followed the framework of Arksey and O'Malley and was reported according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses for Scoping Reviews (PRISMA-ScR). A systematic, comprehensive literature search was conducted in ERIC, CINAHL, MEDLINE, Embase, PsycINFO, and Web of Science for studies published between January 2011 and April 2023. The reference lists of the included papers were manually searched to identify additional studies. Pairs of authors screened the papers, assessed eligibility, and extracted the data. The data were thematically organized. RESULTS: A total of 8 studies were included and four thematic groups were identified: (1) technological solutions for learning support, (2) learning focus in clinical practice, (3) teaching strategies and theoretical approaches for self-efficacy, and (4) assessment of self-efficacy and complementary outcomes. CONCLUSIONS: Various technological solutions were adopted in the guidance models to stimulate the self-efficacy of nursing students in clinical practice, leading to positive findings. A total of 7 out of 8 studies presented results that were not statistically significant, highlighting the need for further refinement of the applied interventions. Nurse educators play a pivotal role in applying learning strategies and theoretical approaches to enhance nursing students' self-efficacy, but the contributions of nurse preceptors and peers should not be overlooked. Future studies should consider involving users in the intervention process and using validated instruments tailored to the studies' intervention objectives, ensuring relevance and enabling comparisons across studies.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,889
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,113
Tête enseignante GPT0,564
Écart entre enseignants0,451 · 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'étudeRevue systématique
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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR NursingMême sujetSimulation-Based Education in HealthcareTravaux en français237 207