“We Have Bills to Pay Too”: The Juggling Act of Working While Attending a School of Nursing
Notice bibliographique
Résumé
Background: Nursing students often engage in paid employment. There is a lack of Canadian research exploring the incidence and effects of working on nursing students. Objectives: We explored the factors involved in nursing students participating in paid employment while attending school; the incidence of students who work during the semester; the characteristics of students’ work patterns (nature of the job, hours of work, rate of pay, why they work, other sources of income); and student perceptions of how work impacts their academic/professional development and personal lives. Design: This exploratory descriptive study used the Paid Work Questionnaire. Setting: The study was conducted at an Atlantic Canadian school of nursing in the 2019–2020 school year. Participants: A total of 128 nursing students completed the questionnaire. Data from the 71 students who indicated that they were working was further analyzed. Methods: Quantitative data were explored using descriptive statistics, and thematic analysis was used to analyze qualitative data. Results: Just over half of participants reported working while attending a school of nursing. Results provided insight into the types of common student jobs and hours worked. Employment, although often necessary, has been shown to influence a student’s perception of their academic success. Implications for patient safety as well as school of nursing attrition were also identified. Additional challenges of working, as derived from qualitative data, include effects on work–life balance, academic success, and stress. Results also highlighted benefits of working, such as effects on socialization and professional development/skills and attributes, as well as financial benefits. Conclusions: Educators and governments have a role to play in supporting nursing students and addressing the challenges experienced by students who work. Students can benefit from engaging in paid employment; however, creative solutions related to educational and financial support should be explored.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,017 | 0,019 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».