Development of a blended emergent research training program for clinical nurses (part 1)
Notice bibliographique
Résumé
Abstract Background Nursing research training is important for improving the nursing research competencies of clinical nurses. Rigorous development of such training programs is crucial for ensuring the effectiveness of these research training programs. Therefore, the objectives of this study are: (1) to rigorously develop a blended emergent research training program for clinical nurses based on a needs assessment and related theoretical framework; and (2) to describe and discuss the uses and advantages of the ADDIE model (Analysis, Design, Development, Implementation, Evaluation) in the instructional design and potential benefits of the blended emergent teaching method. Methods This intervention development study was conducted in 2017, using a mixed-methods design. A theoretical framework of blended emergent teaching was constructed to provide theoretical guidance for the training program development. Nominal group technique was used to identify learners’ common needs and priorities. The ADDIE model (Analysis, Design, Development, Implementation, Evaluation) was followed to develop the research training program for clinical nurses based on the limitations of current nursing research training programs, the needs of clinical nurses, and the theoretical foundation of blended emergent teaching. Results Following the ADDIE model, a blended emergent research training program for clinical nurses to improve nursing research competence was developed based on the needs of clinical nurses and the theoretical framework of blended emergent teaching. Conclusions This study indicates that nominal group technique is an effective way to identify learners’ common needs and priorities, and that the ADDIE model is a valuable process model to guide the development of a blended emergent training program. Blended emergent teaching is a promising methodology for improving trainees’ learning initiative and educational outcomes. More empirical studies are needed to further evaluate blended emergent teaching to promote the development of related theories and practice in nursing education.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».