MétaCan
Menu
Retour à la cohorte
Enregistrement W4417414643 · doi:10.1016/j.teln.2025.11.029

Faculty perspectives on implementing a concept-based nursing curriculum: A qualitative study

2025· article· en· W4417414643 sur OpenAlexaffabout
Elham Al-Omari

Notice bibliographique

RevueTeaching and learning in nursing · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueSimulation-Based Education in Healthcare
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésQualitative researchNurse educationQualitative analysisMEDLINENursing research

Résumé

récupéré en direct d'OpenAlex

• Faculty perspectives on CBC reveal role shifts in nursing education. • Concept mapping and simulation improved student engagement and reasoning. • Findings call for faculty support to sustain curriculum reform in diverse settings. The Concept-Based Curriculum (CBC) promotes critical thinking and deep learning in nursing education. At the University of Calgary in Qatar, CBC was implemented to align with international standards and national healthcare goals. Faculty play a central role in this pedagogical shift, yet their perspectives remain underexplored in transnational settings. To explore faculty experiences in implementing CBC in a culturally diverse nursing program. A qualitative descriptive study used semistructured interviews with 15 faculty members involved in CBC development and teaching. Thematic analysis followed Braun and Clarke’s framework. Six themes emerged: (1) concept mapping as a scaffold for learning, (2) structured prebriefing and debriefing to promote reflection, (3) evolving faculty roles from content experts to facilitators, (4) balancing content with conceptual depth, (5) navigating institutional and curricular constraints, and (6) perceived gains in student engagement and clinical reasoning. These themes reflected systemic change in teaching philosophy, institutional support, and learner engagement. CBC implementation fostered pedagogical transformation and improved learning, requiring sustained faculty development and institutional support.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,142
Score d'incertitude au seuil0,782

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,036
Tête enseignante GPT0,494
Écart entre enseignants0,458 · 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'étudeQualitatif
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTeaching and learning in nursingMême sujetSimulation-Based Education in HealthcareTravaux en français237 207