MétaCan
Menu
Retour à la cohorte
Enregistrement W4407993640 · doi:10.1097/nne.0000000000001838

Inclusivity in Nursing Education

2025· article· en· W4407993640 sur OpenAlexaff
Megan W. Arbour, Kathryn Hansen, Maria Milazzo, Jane Houston, Kelly Walker

Notice bibliographique

RevueNurse Educator · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisability Education and Employment
Établissements canadiensSt. Clair College
Organismes subventionnairesnon disponible
Mots-clésPreparednessPsychologyPerspective (graphical)Nurse educationPrejudice (legal term)Medical educationAbleismNursingMedicineSocial psychologySociology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Neurodiverse and disabled individuals are underrepresented in nursing education, often facing marginalization, lack of support, and implicit bias. PURPOSE: This study assessed nursing faculty's preparedness to teach neurodiverse students by examining their knowledge and attitudes about neurodiversity. METHODS: A convergent parallel mixed methods design was used, involving a survey emailed to 469 nursing faculty at 3 North American institutions. The survey included the Faculty Preparedness Questionnaire-Neurodiversity and open-ended questions. RESULTS: The study found that faculty has moderate knowledge of neurodiversity but desire more training. Attitudes were generally positive, though some implicit biases were present. Qualitative analysis revealed themes of natural variation, acceptance, and the need for more support and training. CONCLUSION: Faculty members showed a willingness to learn and support neurodiverse students, but professional development is needed to reduce ableism and enhance inclusive teaching practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,451
Score d'incertitude au seuil0,779

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,433
Écart entre enseignants0,417 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNurse EducatorMême sujetDisability Education and EmploymentTravaux en français237 207