Co-design and evaluation of an audio podcast about sustainable development goals for undergraduate nursing and midwifery students
Notice bibliographique
Résumé
Title: Co-design and evaluation of an audio podcast about sustainable development goals for undergraduate nursing and midwifery students Background The Sustainable Development Goals (SDGs) are global targets addressing poverty, inequality, and climate change. Despite their relevance to healthcare, nursing and midwifery students often have limited awareness of the SDGs. To help bridge this gap, a co-designed audio podcast was developed as an educational resource to strengthen students’ knowledge and highlight the goals’ professional relevance. Methods A prospective study was undertaken at Queen’s University Belfast with 566 first-year nursing and midwifery students. A 60-minute podcast, co-designed with students and stakeholders, was integrated into the university’s learning platform. Knowledge and attitudes toward the SDGs were assessed using pre- and post-test questionnaires. Six months later, 37 students participated in focus groups to reflect on their experiences. Quantitative data were analysed using paired t-tests and descriptive statistics, while qualitative data underwent thematic analysis. Results The podcast significantly improved students’ knowledge of the SDGs and their understanding of both professional and personal relevance. Post-test scores showed gains across all three domains: knowledge, professional relevance, and personal relevance. Students valued the podcast as an accessible and engaging learning tool, though some were unsure about replaying it. Focus groups highlighted three themes: ‘More than you know’ (expanded knowledge), ‘Nurse-Midwife Nudges’ (small behaviour changes), and ‘Fitting Format’ (preference for audio-based learning). Discussion Findings indicate that audio podcasts can be an effective and acceptable way to raise awareness of SDGs among nursing and midwifery students, positively shaping knowledge, attitudes, and behavioural intentions. The co-design approach proved valuable in tailoring the resource to learners’ needs and preferences.
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 | 0,026 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».