Internationally Educated Nurse Integration: Insights From the Supervised Practice Experience Partnership Program at the University Health Network
Notice bibliographique
Résumé
Background: Tailored and responsive programs are essential for integrating and retaining internationally educated nurses (IENs). The Supervised Practice Experience Partnership (SPEP) program in Ontario supports IENs in their transition. The University Health Network in Ontario developed a customized SPEP program to facilitate a two-way integration into practice, engaging IENs and practice leaders. Method: The advanced practice nurse educator (APNE) team leveraged continuous evaluation approaches to develop and refine the program, using a combination of surveys and focus groups with IENs and leaders (e.g., managers, APNEs and preceptors). Core components of the evidence-informed and adapted SPEP program include onboarding workshops, structured learning pathways, IEN and preceptor handbooks and a community of practice that incorporates peer support from successfully transitioned IENs. Findings: Evaluation results show improvements in IENs' critical thinking, communication, clinical reasoning and judgement. However, limited clinical experience among many IENs led to curricular adjustments emphasizing nursing fundamentals through case-based learning aligned with organizational values. Ongoing support from dedicated SPEP APNEs, particularly with prior experience as IENs, has been key to successful implementation. Conclusion: This data-informed, adaptive approach has enhanced IEN integration into the workforce and offers a practical model for nursing leaders and educators designing transition programs in dynamic healthcare settings.
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 | 0,009 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».