Bridging Policy-Curriculum-Accommodations: A Nursing Education Initiative
Notice bibliographique
Résumé
Supporting student academic accommodations (AAs) is an increasingly prevalent challenge for post-secondary nursing instructors in Ontario, with the growing number of students in nursing programs with mental health or medical disabilities. Historically, nursing programs have denied access to potential students with disabilities; today, the rigorous nursing program structure and the lack of support for instructors remain realities, even with the Ontario Human Rights Code and administrators' policies. The nursing faculty team (NFT) at Top College (TC) (pseudonym) must uphold educational and clinical expectations while assuring student competencies and curriculum integrity. In this comprehensive dissertation-in-practice (DiP), I explore bridging gaps in policy, curriculum, and the growing complexity of AAs. This proposed initiative combines a universal design for learning (UDL) framework with a nursing solution (NS) (UDL-NS), which includes the creation of a nursing accommodation-accessibility decision tree tool. This DiP combines Shields's transformative, Heifetz's adaptive, and Ubuntu's socio-ethical leadership approaches to change. The implementation plan is guided by Deszca and Ingols' change path model (CPM), a communication plan with the alignment, voice, identification, and dialogue (AVID) framework, and a plan, do, study, act (PDSA) monitoring and evaluation plan. A knowledge mobilization plan further illustrates change implementation. The successful implementation will provide a systemic infrastructure for TC and, potentially, other nursing education programs.\nKeywords: mental health, nursing, competencies, accommodation, universal design for learning, disability
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».