Nursing curriculum in some developed countries and proposed way of applying it in the Iranian nursing curriculum A comparative study
Bibliographic record
Abstract
اخيراً استراتژی دانشجو محوری برای ارتقای کيفيت آموزش پرستاری و رفع برنامه درسی سنتی مورد توجه دانشکده های پرستاری قرار گرفته است. هدف از انجام اين مطالعه، تعيين نحوه پياده سازی استراتژی دانشجو محوری در برنامه درسی کارشناسی پرستاری آمريکا، کانادا و استراليا و ارائه راهکارهای پيشنهادی برای عملياتی کردن آن در برنامه درسی کارشناسی پرستاری ايران می باشد. روش: اين مطالعه تطبيقی به کمک الگوی بردي؛ دارای مراحل توصيف، تفسير، همجواری و مقايسه می باشد. مجموعا 10 دانشکده برتر از سه کشور آمريکا، استراليا و کانادا به روش نمونه گيری هدفمند انتخاب شدند. معيار ورود به مطالعه، اجرای استراتژی دانشجو محوری در برنامه درسی کارشناسی پرستاری بود. ابزار جمع آوری داده ها، 5 مرحله اجرای استراتژی دانشجو محوری در مطالعه چنگيز و همکاران (2006) بود. اعتبار اسناد و مدارک جمع آوری شده از طريق نقد درونی و نقد بيرونی بررسی شد. تجزيه و تحليل داده ها نيز براساس الگوی بردی انجام شد. يافته ها: براساس نحوه پياده سازی اين استراتژی، راههای پيشنهادی پياده سازی استراتژی دانشجو محوری در برنامه درسی کارشناسی پرستاری ايران شامل آگاه نمودن دانشجو در سه مورد قوانين، تحولات دانشکده و پيشرفت تحصيلی- وجود مراکز تحقيقات دانشجويی- استفاده از روشهای جديد و متعدد ياددهی و ارزشيابی- وجود مراکزی برای انجام مشاوره در زمينه های مختلف- بازنگری برنامه درسی براساس نظرات دانشجويان- انعطاف پذير بودن برنامه درسی و توجه به پيامدهای آموزشی می باشد. نتيجه گيری: راهکارهای متعددی جهت پياده سازی استراتژی دانشجو محوری در برنامه درسی کارشناسی پرستاری در دانشکده های برتر پرستاری جهان وجود دارد که توجه به بومی سازی آنها، می تواند سبب ارتقای برنامه درسی کارشناسی پرستاری در ايران گردد.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".