MétaCan
Menu
← Retour à la cohorte
Enregistrement W7082150716 · doi:10.11575/prism/49946

Affectivity in Screen Based Simulation in Nursing Education: An Interpretive Description Study

2025· other· en· W7082150716 sur OpenAlexaboutno aff

Notice bibliographique

RevueOpen MIND · 2025
Typeother
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThematic analysisEmbodied cognitionNurse educationCurriculumQualitative researchPerspective (graphical)Grounded theoryCognitionInstructional simulation

Résumé

récupéré en direct d'OpenAlex

The expanded adoption of screen-based virtual simulation in nursing education was a response to the COVID-19 pandemic to ensure the continuity of nursing instruction. This change in instructional approach provided an opportunity to explore the experiences of nursing students who have had increased exposure to this teaching method. Nursing simulation creates a learning experience that is both engaging and meaningful for students, helping them connect theory with real-world clinical practice. The purpose of this study was to explore nursing students' experiences with affective learning through the framework of embodied cognition, suggesting that this perspective offers a more complete way of understanding the learning process as being inherently affective. The research aimed to assess affective learning within the existing screen-based simulation curriculum and to explore how nursing students perceive and engage with affective learning in these virtual environments. Additionally, the concept of embodied cognition was utilized to provide insights into how nursing students develop their affective skills through virtual simulations. This study adopted a qualitative interpretive description approach to gather data from eight undergraduate nursing students across two Canadian universities. Participants completed digital reflective journals to document their experiences after each screen-based simulation scenario. Follow up, semi-structured interviews were conducted and recorded via Zoom. All interview transcripts and journal entries were transcribed verbatim. A constant comparative and thematic analysis process identified four primary themes: communication, realism, affective connections, and personal learning experiences. The findings suggest that the current simulation design stimulates affective learning in ways that are not captured in the conventional idea of a confined “affective domain.”, potentially limiting opportunities for students to engage in meaningful affective learning experiences. Exploring nursing students’ affective experiences of learning offered valuable insights and illustrative examples of affective learning occurring even in the absence of explicitly articulated affective objectives, thereby underscoring the idea that all learning is intrinsically affective. The theoretical framework of embodied cognition provides a novel perspective in nursing education on understanding and articulating the affective learning processes that occur during interactions with virtual patients in screen-based simulation.

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)0,014
score de la tête « metaresearch » (Gemma)0,027
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: Qualitatif
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,074

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0050,013
Communication savante0,0080,004
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
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 Opus0,034
Tête enseignante GPT0,360
Écart entre enseignants0,325 · 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
GenreAutre

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetGeochemistry and Geologic Mapping→Travaux en français237 207→