Effects of Career Decision-Making Self-Efficacy, Career Outcome Expectation, and Career Consciousness Maturity on Career Preparation Behavior of Nursing Students
Notice bibliographique
Résumé
Although career preparation is an important factor in making correct career decisions and increasing job satisfaction, nursing students lack consideration and preparation for their career path when choosing a major. The purpose of this study was to identify the relationships among career decision-making self-efficacy, career outcome expectation, and career consciousness maturity on the behavior of nursing students in preparing for their careers. We collected data using structured questionnaires from 95 nursing students in C city from June 1 to June 20, 2018. We analyzed the data using the IBM SPSS/WIN 23.0 program for descriptive statistics, independent t test, oneway ANOVA, Pearson’s correlation coefficient, and multiple regression. As a result, the factors influencing the career preparation behavior of nursing students were career decision self-efficacy (β = .35, p < .001) and career consciousness maturity (β = .30, p = .003), and the explanatory power of these variables was 37%. Based on these results, it was required to develop programs to strengthen career decision-making self-efficacy and career consciousness maturity. In order to improve career decision-making self-efficacy, a program should be developed to improve confidence in solving problems by providing career opportunities. In addition, in order to strengthen career consciousness maturity, a career road map for each grade should be constructed, as well as systematic career counseling and employment capacity enhancement programs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».