MétaCan
Menu
Retour à la cohorte
Enregistrement W4392784977 · doi:10.3928/01484834-20240122-02

Developing Formative Strategies to Support Undergraduate Nursing Student's Learning in the Lab

2024· article· en· W4392784977 sur OpenAlexaffabout
Giuliana Harvey, Heather MacLean, Mohamed Toufic El Hussein, Stephanie Zettel, Daniella Benacchio

Notice bibliographique

RevueJournal of Nursing Education · 2024
Typearticle
Langueen
DomaineNursing
ThématiqueNursing education and management
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésFormative assessmentRubricPsychomotor learningCurriculumMedical educationNurse educationPsychologyPedagogyMedicineCognition

Résumé

récupéré en direct d'OpenAlex

Background: Undergraduate nursing education consists of supporting students' learning about psychomotor skills. There is variation in strategies used to facilitate learning in the lab setting because there is no single accepted or preferred educational approach. Method: Formative learning strategies were integrated into lab courses throughout a nursing curriculum for undergraduate students at a Canadian university. These strategies included developing and implementing guidelines, a rubric, and an addendum. Results: Students enrolled in lab courses that used these strategies received ongoing verbal and written feedback from their instructor and were provided with an opportunity to engage in reflective practice and refine clinical judgment skills. Conclusion: Using consistent and effective formative strategies to support students' learning in the lab requires further empirical exploration and consideration. [ J Nurs Educ . 2024;63(8):560–563.]

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,575
Score d'incertitude au seuil0,757

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,045
Tête enseignante GPT0,425
Écart entre enseignants0,380 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Nursing EducationMême sujetNursing education and managementTravaux en français237 207