Protocole d’une étude quasi-expérimental afin d’examiner le développement de compétence en raisonnement et jugement clinique au moyen de l’outil d’auto-évaluation LCJR-VF
Notice bibliographique
Résumé
Introduction : Le manque de compétences à poser un jugement clinique infirmier (JCI) conduit souvent à des résultats négatifs pour les personnes en raison de l'incapacité à reconnaître la détérioration clinique, à intervenir et à gérer les complications de la personne soignée. Cette recherche suggère que l’introduction d’un modèle de jugement clinique infirmier (JCI) associé à sa grille d’évaluation dans l’apprentissage donne un cadre aux étudiants infirmiers pour fournir des soins infirmiers avec de résultats de santé optimaux. Méthode : Cette contribution présente le protocole d’une étude quasi-expérimentale avec une série de quatre mesures sur un même groupe. Un échantillon de commodité de 162 étudiants infirmiers d’un institut de formation en soins infirmiers français a participé à l'étude. Les participants ont suivi deux cours sur un semestre dans lesquels le modèle de JCI apparié à une théorie infirmière a été utilisé pour analyser des études de cas cliniques. Au cours du semestre, chaque participant a réalisé quatre auto-évaluations de son niveau d’apprentissage en JCI à l’aide de la grille de LCJR-VF. Résultats attendus : Les retombées attendues de cette étude suggèrent qu’un modèle formel d’enseignement en raisonnement clinique apparié à du savoir infirmier facilite l’apprentissage du jugement clinique infirmier.
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 | 0,061 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,059 | 0,010 |
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 ».