YASIN DATA for analysis mk.xlsx
Notice bibliographique
Résumé
<b>Background: </b>Community factors may affect nurses’ job behavior and decision making. There is a gap in the literature regarding the impact of community satisfaction, family ties, and community preferences on acute care nurses’ turnover intention and job satisfaction. Furthermore, no studies have examined the differences in community satisfaction, community preferences, and family ties among nurses working in rural and urban settings. <b>Purpose: </b>To identify the impact of family ties, community satisfaction, and community preferences on turnover intention and job satisfaction among acute care nurses working in Ontario’s urban and rural areas. <b>Methods: </b>Descriptive correlational survey design was used in this study. A targeted stratified sampling technique was used to recruit acute care nurses working in Ontario’s urban and rural areas (N=349) between May 2019 and July 2019. Dillman’s approach was used to guide data collection. Parametric and non-parametric tests were used for data analysis.<b></b> <b>Results: </b>A significant association was found between working settings and community preferences.<b> </b>A statistically significant positive relationship between community satisfaction and nurses’ job satisfaction was identified. Furthermore, community satisfaction had a negative impact on turnover intention. Neither community preference nor family ties were significantly associated with turnover intention or job satisfaction. <b>Conclusion: </b>The study suggests that community satisfaction can influence important nurse work-related outcomes. Future studies should replicate and validate these results in different contexts and cultures. Retaining nurses may be difficult if they are not satisfied with their communities
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 | 0,000 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,989 | 0,068 |
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 ».