Employing Kirkpatrick’s framework to evaluate nurse training: an integrative review
Notice bibliographique
Résumé
to evaluate the evidence on the use of Donald Kirkpatrick's framework in nursing training evaluation. integrative literature review in the Latin American and Caribbean Health Sciences Literature, Medical Literature Analysis and Retrieval System and Web of Science databases. Studies that answered the review question "Which is the evidence in using Donald Kirkpatrick's framework to evaluate training in the nursing workplace?" published in Portuguese, English, or Spanish were included. out of 108 studies retrieved, thirteen were included. The majority evaluated the four levels proposed in the model (reaction, learning, behavior, and results) or, at least, a combination of the first three ones. Different instruments were used to evaluate nursing training, mainly in quantitative approaches for reaction and learning levels and qualitative for behavior and results levels. This approach highlights the flexibility of the model and the importance of choosing a reliable set of instruments, which is crucial to qualify the analysis at each level. Kirkpatrick's model has been used worldwide to evaluate training in the nursing field and has been shown to be suitable for it, as long as there is an appropriate selection of instruments at each level. BACKGROUND: (1) Kirkpatrick's framework is effective for evaluating various nursing training. (2) The framework upholds the choice of measuring instruments for each level. (3) The four-levels or a combination of the first three were the most commonly used to evaluate training. (4) The four-levels or a combination of the first three were the most common to evaluate training. (5) Evaluation of results in organizational practices is the most challenging level.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».