Undergraduate nursing students’ perceptions of computer based testing
Notice bibliographique
Résumé
Background & Purpose:The National Council Licensure Examination for Registered Nurses\n(NCLEX-RN) is a computer adaptive licensure examination that nursing students are eligible\nto write upon completion of their undergraduate nursing degree. Success on this exam is a\nrequirement for Registered Nurse practice. Historically, the Canadian licensure examination\nwas a paper-based exam. However, in 2015 the NCLEX-RN was adopted. Initially Canadian\npass rates declined and nursing schools have been seeking strategies to better prepare\nstudents for this exam. Practice with computer based testing (CBT) may be one\napproach. However, CBT has not been widely used and many nursing programs continue\nwith paper-based exams. Recently CBT was integrated into a third year undergraduate\nnursing course in Alberta, Canada. The purpose of this qualitative study was to gain an\nunderstanding of undergraduate nursing student experiences with and perceptions of CBT.\nSpecifically, the goals were to inform personal teaching and evaluative practices, positively\ncontribute to changes to future course testing approaches, and share knowledge with other\neducators who may be considering the integration of CBT into their courses. Sharing this\nknowledge may contribute to the body of literature and serve as a foundation on which\nfurther research on this topic area could be conducted. \nMethod: Through purposive sampling, data was collected from 38 students who completed\na set of reflective questions. Data was analyzed by thematic analysis.\nResults: Four themes were generated: immediacy matters, distrust of self, navigating the\nnew, and high stakes on the horizon. Findings including the benefits, challenges, and\nrecommendations are discussed.\nConclusion: There are advantages and disadvantages to CBT. Providing CBT opportunities\nmay encourage students to reflect on their learning, test-preparation, and test-taking\nstrategies promoting reflection upon how they prepare for and engage in future\ncomputerized exams.
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 | 0,003 | 0,015 |
| 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 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».