MétaCan
Menu
Retour à la cohorte
Enregistrement W4396804793 · doi:10.12927/cjnl.2024.27309

Integrating Strengths-Based Nursing and Healthcare in Pediatric Nursing Education: A Case Study of the Ghana–SickKids Partnership

2024· article· en· W4396804793 sur OpenAlexaffvenue
Sawdah Esaka Aryee, Karin Zekveld, Stephanie Young, Irene Fankah, Jane Stuart-Minaret, Charity Asantewaa Ankomah, Bonnie Fleming‐Carroll

Notice bibliographique

RevueNursing leadership · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensSickKids Foundation
Organismes subventionnairesnon disponible
Mots-clésNursingGeneral partnershipPediatric nursingNursing researchNurse educationHealth careMedicinePsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

There is growing recognition of the critical role nursing leadership plays in healthcare. Integrating strengths-based approaches into nursing education enables positive learning settings and empowers nurses as leaders who foster healing and well-being for patients and their families. This paper describes an effort to integrate Strengths-Based Nursing and Healthcare (SBNH) and Strengths-Based Nursing and Healthcare Leadership (SBNH-L) into the development, implementation and evaluation of a postgraduate pediatric nursing program in Ghana. In the evaluation of the program in Ghana, three themes emerged related to strengths-based nursing: transformation of teaching and learning, impact on relationships with colleagues and impact on relationships with patients.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0130,004
Communication savante0,0030,002
Science ouverte0,0010,006
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,115
Tête enseignante GPT0,392
Écart entre enseignants0,277 · 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'étudeÉtude de cas
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 revueNursing leadershipMême sujetGlobal Maternal and Child HealthTravaux en français237 207