Online preparation programs for part-time clinical nursing instructors: A qualitative case study
Notice bibliographique
Résumé
Background/Objective: The global nursing shortage is worsened by critical nursing faculty shortages that constrain educational capacity, resulting in thousands of qualified applications being rejected annually. Programs increasingly rely on clinically expert registered nurses (RNs) as part-time clinical nursing instructors (CNIs), who often transition to teaching with minimal pedagogical preparation. This gap between clinical expertise and educational competency affects instructor confidence, teaching effectiveness, and student outcomes. This qualitative case study aimed to describe RNs' experiences with an online Academic Clinical Nurse Educator Preparation Program (ACNEPP) and examine its influence on their transition from clinical experts to academic CNIs. Methods: A single instrumental case study design employing the constructivist paradigm was utilized. Six RNs who completed the online ACNEPP within the previous three years and worked as CNIs were recruited through purposeful sampling. Data collection included semi-structured interviews, demographic questionnaires, and program material reviews. Reflexive Thematic Analysis guided data analysis, with Benner's novice-to-expert theory as the theoretical framework. Results: Three main themes emerged: RN to CNI role transition challenges, online ACNEPP design effectiveness, and valuable program content. Participants experienced significant transition difficulties including inadequate institutional preparation, unclear role expectations, and insufficient mentorship support. The online program's asynchronous, self-paced design proved highly accessible for working nurses. Participants valued practical teaching tools, clinical teaching strategies, and pedagogical content that enhanced teaching practices, including improved debriefing techniques, structured feedback provision, and student orientation strategies. Conclusions: This study illuminates the potential of structured online professional development in supporting the challenging transition from clinical expert to CNI. Findings support developing self-paced, flexible programs offering practical, immediately applicable content. Educational institutions must prioritize formal orientation programs, establish mentorship programs, and provide ongoing professional development which may enhance teaching quality, improve instructor confidence, increase retention rates, and ultimately expand nursing education capacity.
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 | 0,012 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».