The impact of a micro-learning video on the critical appraisal self-efficacy of evidence-based research
Notice bibliographique
Résumé
• Little is known about rapid critical appraisal self-efficacy in undergraduate student nurses and the use of micro-learning. • Evaluation of the impact of an educational intervention on rapid critical appraisal of research on undergraduate BSN student nurses’ critical appraisal self-efficacy. • Increasing students’ confidence in their ability to identify valid and trustworthy evidence through the appraisal of clinical research literature motivates student nurses’ behavior to integrate evidence into their practice. National healthcare decisions are being founded on an overabundance of nonpeer-reviewed data flooding the internet. Nurses must develop the skills to identify valid and trustworthy research for practice implementation. The purpose of this study was to evaluate the impact of an educational intervention on rapid critical appraisal of research on undergraduate BSN student nurses’ critical appraisal self-efficacy (CASE) scores. A quantitative, quasi-experimental design was utilized. A convenience sampling of undergraduate BSN nursing students enrolled in a local mid-sized university in British Columbia, Canada. The study used an online survey questionnaire called the New General Self-Efficacy Scale (NGSE) to measure student nurses’ self-efficacy to quickly critique clinical research literature. Forty-six (n=46) students participated in the study. It demonstrated that a generationally appealing five-minute educational video can increase undergraduate student nurses’ CASE. Nursing academia is encountering a new generation of undergraduate nursing students never before experienced – iGen (Gen Z). As such, educational methods for teaching the most important step of evidence-based practice (EBP), critical appraisal, requires further research and consideration.
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 | 0,035 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».