Academic success in undergraduate nursing education: An integrative review
Notice bibliographique
Résumé
AIMS: The aim of this review was to synthesize and appraise the available literature regarding academic success in undergraduate nursing education. DESIGN: We used Whittemore and Knafl's five-stage framework for integrative reviews. Toronto and Remington's step-by-step guide to integrative reviews provided practical guidance in the review process. DATA SOURCES: A search was employed to retrieve relevant scholarly, peer-reviewed, English-language articles published between 2003 and 2023 using the databases APA PsycINFO, CINAHL, ERIC, Education Research Complete, and MEDLINE. REVIEW METHODS: The initial search located 2599 articles. After duplicate screening at title and abstract and full text levels using predefined inclusion and exclusion criteria, 40 articles were selected for inclusion. All included articles were critically appraised using the Mixed Methods Appraisal Tool for empirical studies and the Joanna Briggs Institute critical appraisal tools for the reviews and the theoretical papers. RESULTS: A review and synthesis of the articles revealed preadmission factors can impact academic success in undergraduate nursing education. However, most authors used narrow measures of success such as on-time graduation and exam performance. In most articles performance in the clinical environment was not considered measured as part of academic success. Few empirical studies used a theoretical framework, and the overall methodological quality of the included articles was mixed. CONCLUSION: Our findings suggest a gap in the literature regarding more inclusive approaches to measuring academic success in undergraduate nursing education. The dearth of qualitative studies and limited attention to how academic success is measured in the clinical learning environment suggest future research should focus on exploring student nurses' perceptions of success. Furthermore, researchers examining this topic are encouraged to utilize suitable theoretical frameworks to guide empirical studies.
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 | 0,015 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,021 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».