Are community health nurse ready for e-learning?
Notice bibliographique
Résumé
Geographical constrain has becoming a concern to nurses working in the community health setting as it hinder nurses from participating in continuing professional education(CPE) programme. One way of overcome this obstacle is provision of distance learning via on line learning. The aim of this study was to explore the community health nurses(CHN) readiness of e-learning as a means to CPE. A cross-sectional survey was carried out on 400 nurses to determine the readiness of nurses towards e-learning. Sample was randomly selected from public health clinics in four districts. Returns mail questionnaires were used to collect data. The data was analyzed using SPSS version 22. Only 75% (N=300) of the participants had returned the completed questionnaire. Almost all the participants (289, 96%) had experienced in using computer. However only 215 (71%) of them have internet connection at home. only three quarter of them use computer more than 2 hours per week. The most common usage was browsing internet information and writing report (156, 52.7%). All of them have no experience in elearning. The CHN showed high acceptance to e-learning with mean score of 4.5. they rated consider elearning were achieving life long learning (mean=4.1), flexibility in time and space (mean= 4.07) and broaden one's horizon with diversity and latest knowledge (mean = 4.07) as most encouraging factors that motivate them to participate in e-learning, however factors like limited time (mean =2.42), lack of support from supervisor and limited understanding about network system: (LAN, internet and intranet) (mean =3.00) may deter them from e-learning . Conclusion, finding from this study provide valuable insight to the nursing authority to consider e-learning to develop CPE programme to CHN who are at disadvantage of accessing face to face programme.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».