MétaCan
Menu
← Retour à la cohorte
Enregistrement W7095182684

The imageof thenurseon the Internet

2016· article· en· W7095182684 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThe InternetScope (computer science)Mass mediaContent analysisInternet researchGovernment (linguistics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The media image of the nurse is a source of concern because of its impact on: recruitment into the profes-sion; the decisions of policy makers who enact legis-lation that defines the scope and financing of nursing services; the use of nursing services by consumers; and the self-image of the nurse. This article reports on the results of a study of the image of nursing on the Internet utilizing content analysis methodology. A total of 144 Websites were content-analyzed in 2001 and 152 in 2004. Approximately 70 % of the Internet sites showed nurses as intelligent and educated and 60% as respected, accountable, committed, competent, and trustworthy. Nurses were also shown as having special-ized knowledge and skills in 70 % (2001) and 62 % (2004) of the Websites. Scientific/research-oriented, compe-tent, sexually promiscuous, powerful, and creative/ innovative increased from 2001–2004 while commit-ted, attractive/well groomed, and authoritative images decreased. Doctoral-prepared nurses were evident in 19 % of the Websites in 2001 and doubled in 2004. The results of this study suggest that there are important opportunities to use the Internet to improve the image of the nurse. The image of the nurse is noted as a significantproblem in many countries of the world includingAustralia,1,2 Britain,3,4 Canada,5,6 Ireland,7 Poland,8 Hong Kong,9 Taiwan,10 and the United States.11–12 One of the major influences on the image of the nurse is the mass media portrayal of the profession.18–20 What individuals see, hear, and read in the media influence the image they develop of nursing. Although there have been a few successful efforts to reshape the media image of nursing, the image is still largely inaccurate and negative.2,11,21–25 Nurses are under-represented and often invisible in media portrayals of healthcare. This article reports the results of a study investigat-ing the newest form of the mass media, the Internet. The Internet image of nursing has become increasingly more important in recent years because of the public’s (especially young adults ’ and teens’) growing use of this form of media to obtain information and learn about the world.26

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0070,005
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,089
Tête enseignante GPT0,420
Écart entre enseignants0,331 · 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'étudeObservationnel
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSocial Media in Health Education→Travaux en français237 207→