MétaCan
Menu
Retour à la cohorte
Enregistrement W4402506472 · doi:10.2196/55744

Retracted: Comparative Effectiveness of Health Communication Strategies in Nursing: A Mixed Methods Study of Internet, mHealth, and Social Media Versus Traditional Methods

2024· article· en· W4402506472 sur OpenAlexvenueno aff
Mariwan Qadir Hamarash, Radhwan Hussein Ibrahim, Marghoob Hussein Yaas, Mohammed Faris Abdulghani, Osama Al Mushhadany

Dossier post-publication

OpenAlex signale ce travail comme rétracté, mais aucune notice correspondante de Retraction Watch ne figure dans cette base.

Notice bibliographique

RevueJMIR Nursing · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintPerspective (graphical)mHealthThe InternetSocial mediaPsychologyNursingMedicineComputer scienceWorld Wide WebPsychological interventionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Background: Effective communication is vital in health care, especially for nursing students who are the future of health care delivery. In Iraq's nursing education landscape, characterized by challenges such as resource constraints and infrastructural limitations, understanding communication modalities is crucial. Objective: This mixed methods study conducted in 2 nursing colleges aims to explore and compare the effectiveness of health communication on the web, through mobile health (mHealth) applications, and via social media among nursing students in Iraq. The research addresses a gap in understanding communication modalities specific to Iraq and explores the perspectives, experiences, and challenges faced by nursing students. Methods: Qualitative interviews were conducted with a purposive sample (n=30), and a structured survey was distributed to a larger sample (n=300) representing diverse educational programs. The study used a nuanced approach to gather insights into the preferences and usage patterns of nursing students regarding communication modalities. The study was conducted between January 12, 2023, and May 5, 2023. Results: Qualitative findings highlighted nursing students' reliance on the web for educational materials, the significant role of mHealth applications in clinical skill development, and the emergence of social media platforms as community-building tools. Quantitative results revealed high-frequency web use (276/300, 92%) for educational purposes, regular mHealth application usage (204/300, 68%) in clinical settings, and active engagement on social media platforms (240/300, 80%). Traditional methods such as face-to-face interactions (216/300, 72%) and practical experiences (255/300, 85%) were preferred for developing essential skills. Conclusions: The study underscores nursing students' preference for an integrated approach, recognizing the complementary strengths of traditional and digital methods. Challenges include concerns about information accuracy and ethical considerations in digital spaces. The findings emphasize the need for curriculum adjustments that seamlessly integrate diverse communication modalities to create a dynamic learning environment. Educators play a crucial role in shaping this integration, emphasizing the enduring value of face-to-face interactions and practical experiences while harnessing the benefits of digital resources. Clear guidelines on professional behavior online are essential. Overall, the study expands the understanding of communication modalities among nursing students in Iraq and provides valuable insights for health care education stakeholders globally.

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)0,060
score de la tête « metaresearch » (Gemma)0,187
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,317

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0600,187
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,002
Communication savante0,0040,004
Science ouverte0,0020,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,380
Tête enseignante GPT0,613
Écart entre enseignants0,233 · 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.

Devis d'étudeObservationnel
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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR NursingMême sujetSocial Media in Health EducationTravaux en français237 207