Engaging health students in family assessment through the use of a simulated video as a blended learning resource
Notice bibliographique
Résumé
Background:\nBlended learning resources increase student engagement and contribute to their understanding of theory to practice by creating a flexible and student friendly delivery. Simulation of ‘real life nursing’ enables equitable learning across student groups. The development of four family assessment videos demonstrating therapeutic communication and family assessment provided a learning resource for health students. Guided by the Family Systems Theory which identifies the patient and family as a unit, this presentation will outline the development and evaluation of family assessment videos. \nTheory:\nThe family assessment videos are based on the Australian Family Strengths Nursing Assessment Guide [AFSNAG] and the Calgary Family Assessment Model [CFAM]. Using best practice guidelines for development of blended learning resources the videos were developed from case studies, into scripts and then simulations. A continuous review process over the development was conducted to ensure quality and authenticity. Actors were used as family members to ensure ethical standards were not compromised during the production of the videos. \nOutcomes:\nCase studies were developed using a team approach, previous clinical experience, qualitative research and developed course work to ensure validity to the family situations. Questions from family assessment models were integrated into the scripts to prompt students to identify links between family nursing theory and practice. Each case study and subsequent script were reviewed by experienced academics, particularly the indigenous case study to ensure appropriate depiction of the family scenario. \nConclusions:\nThe development of the family assessment videos as a blended learning resource used a multifaceted approach to reflect authenticity and promote student engagement. Using best practice guidelines for blended learning resources ensured clarity and appropriate length. The project was guided by Family Systems Theory which enabled a focus on family as a unit of care, providing a rich resource for health students in a variety of courses.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».