Résilience : évaluation d’une initiative pédagogique auprès d’étudiantes et d’étudiants de 2 ème année en science infirmière
Bibliographic record
Abstract
Introduction : la résilience nous permet de s’adapter et croître lors de moments difficiles. Contexte : les écoles de science infirmière doivent cultiver la résilience chez leurs étudiantes car cela impacte la qualité des soins. Malgré la popularité croissante du concept, peu d’études ou d’initiatives pédagogiques ont été recensées en science infirmière. Objectif : cet article décrit les résultats de l’implantation d’une initiative pédagogique canadienne dans le cadre d’un cours touchant le soin et la chronicité. Méthode : l’initiative à quatre volets visait l’approfondissement des connaissances reliées à la résilience et leur application lors d’une entrevue auprès d’une personne faisant preuve de résilience. Un sondage rempli par 42 étudiantes a permis d’apprécier l’atteinte des objectifs pédagogiques. Résultats : plus de trois quarts des étudiantes ont effectué le transfert des nouvelles connaissances et plus de deux tiers témoignent que la réalisation de ce projet influencera leurs futures interactions avec les personnes soignées. Discussion : l’analyse des données confirme l’importance de développer la résilience chez les professionnels de la santé dès leur formation initiale. Conclusion : plusieurs recommandations sont émises pour améliorer et étendre l’initiative à l’école de science infirmière mais aussi dans d’autres programmes de formation en sciences de la santé.
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 | 0.024 | 0.046 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
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".