MétaCan
Menu
← Retour à la cohorte
Enregistrement W7047837608

Impact of Social Support and Mentoring on Career Advancement of Internationally Educated Nurses

2023· other· en· W7047837608 sur OpenAlexaboutno aff

Notice bibliographique

RevueYork University Digital Library (York University) · 2023
Typeother
Langueen
DomainePhysics and Astronomy
ThématiqueSuperconducting and THz Device Technology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMentorshipSocial supportCareer developmentRemunerationInclusion (mineral)Scale (ratio)FeelingWell-beingCorrelation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background: The upward growth in work level, position, and title, as well as the rise in compensation and income, is known as career advancement (CA). CA is the outcome of career preparation and supportive organizations. Both individual and organizational supports often influence CA among nurses in Canada. Mentorship and social support facilitate CA among nurses, and these supports are available differently to both Canadian Educated Nurses (CENs) and Internationally Educated Nurses (IENs)\n\nPurpose: This study identified the perceived impact of mentorship and social support on CA among CENs and IENs. \n\nMethods: Data were collected utilizing Organizational Career Growth Scale (OCG), Multidimensional Perceived Social Support (MPSS), and Mentoring Functioning Questionnaire (MFQ 9), from 127 nurses across three provinces, namely Ontario, Manitoba, and British Columbia who met the inclusion and exclusion criteria through an online survey. \n\nResults: There were 44 CENs and 83 IENs. The mean score of CENs on OCG was 65.24%, and for IENs, it was 67.68%. The mean score of MPSS for CENs was 76.61%, and for IENs, 73.65%. The mean score on MFQ 9 was 77.84% and 69.11% for CENs and IENs, respectively. There was a positive correlation between MPSS and MFQ 9 with OCG scores. The positive correlation was statistically significant for IENs. With the subscales of OCG, IENs had a statistically significant higher score in remuneration growth (RG) than CENs. In the career growth progress (CGP) subscale, CENs scored higher than IENs. Having a mentor with the title of RN and meeting the mentor regularly positively impacts OCG scores. \n\nConclusion: CENs and IENs have a moderate level of perceived OCG, and IENs have higher scores than CENs. There are differences in the level of mentorship and social support available to CENs and IENs. \n\nRecommendations: Organizations/Employers must establish formal mechanisms to facilitate CA among nurses (both IENs and CENs). Coordinated efforts are necessary to help IENs overcome barriers to accessing support. Establishing formal mentorship programs at the workplace will facilitate better career growth among nurses that will help improve job satisfaction, retention, and, ultimately, quality patient care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil0,303

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,218
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueYork University Digital Library (York University)→Même sujetSuperconducting and THz Device Technology→Travaux en français237 207→