Bibliographic record
Abstract
L’approche par compétences (APC) s’est imposée mondialement comme référence de bonne pratique en matière de formation. En outre, cette approche permettrait d’améliorer la qualité des soins prodigués par les professionnels débutants. À ce jour, il n’existe aucun écrit à propos de l’analyse du concept d’APC dans la discipline infirmière. Chaque entité l’implémente différemment au sein de la même discipline dans un même pays. Que désigne le concept d’APC en sciences infirmières ? But : clarifier la signification du concept d’APC en vue d’en proposer une définition. Méthode : la méthode d’analyse de concepts de Wilson a guidé notre examen de revue de littérature dans CINHAL et ERIC. Résultats : l’APC ressort comme un concept multidimensionnel composé de trois dimensions : apprentissage, enseignement, évaluation. Conclusion : les formateurs ont la responsabilité d’assurer à la société que les infirmières nouvellement diplômées sont préparées pour être compétentes dans l’exercice de leurs rôles professionnels. Les écoles doivent œuvrer pour la lisibilité et la transparence des moyens mis en œuvre pour leur activité de formation. Cette analyse ouvre un espace de clarification du langage et de développement du concept d’APC. Cette première tentative de description du concept est un pas vers son identification et son évaluation.
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 | 0.013 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.006 |
| Science and technology studies | 0.003 | 0.013 |
| Scholarly communication | 0.012 | 0.015 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".