La pédagogie narrative en sciences infirmières : activités éducatives et défis
Bibliographic record
Abstract
Les approches éducatives où les participants sont actifs s’avèrent efficaces pour modifier des comportements et encourager le développement continu des savoirs infirmiers et, à cet égard, la pédagogie narrative apparaît utile pour soutenir la formation infirmière. Dans le présent article, la pédagogie narrative est décrite à travers des activités éducatives réalisées en classe, en stage et en formation continue. Les défis associés à la mise en place de ces activités et les moyens permettant d’y faire face sont également abordés. Ne pas prédéterminer à l’avance l’ensemble du contenu à transmettre, préciser que l’on ne connaît pas tout le contenu qui sera discuté, que des recherches supplémentaires pourraient être requises et que différentes options sont à explorer et laisser les étudiantes s’exprimer et tolérer les silences, sont quelques-uns des moyens qui permettent de relever les défis associés à l’application de la pédagogie narrative. Les enseignants actuels et futurs sont encouragés à expérimenter cette approche novatrice de l’enseignement et l’apprentissage qui découle de recherches phénoménologiques en sciences infirmières et présente un potentiel intéressant pour le développement de cette discipline.
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 | 0.011 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.008 | 0.025 |
| Scholarly communication | 0.014 | 0.013 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.004 | 0.005 |
| 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".