Éléments qui influencent la dynamique de petits groupes et l’expérience d’apprentissage de stagiaires infirmières
Bibliographic record
Abstract
L’expérience d’apprentissage (EA) dans le milieu clinique dans le cadre de stages est un incontournable dans la formation des étudiantes en sciences infirmières. Ces EA se déroulent couramment en petits groupes de stagiaires dans un milieu de soins. En pareil cas, l’apprentissage en stage se réalise dans le contexte de la dynamique qui prévaut à l’intérieur de ces groupes. Pourtant, aucune étude recensée ne permet de brosser le portrait de la dynamique de petits groupes (DPG). Cette étude descriptive interprétative vise à décrire la dynamique de groupe en lien avec l’apprentissage de stagiaires en sciences infirmières. Des entretiens individuels semi-dirigés ont été menés auprès de 12 stagiaires, suivi d’un premier groupe de discussion focalisée avec neuf superviseures de stage et d’un second avec huit infirmières des unités de soins. Trois thèmes permettent de décrire la dynamique de groupe en lien avec l’apprentissage, soit : 1) la composition du groupe, assise sur laquelle se construisent la dynamique et les apprentissages, 2) la nature des interactions, au cœur des relations entre les stagiaires et de leurs apprentissages et 3) les composantes externes au groupe de stagiaires, un apport à la dynamique de groupe et aux apprentissages. Cette étude descriptive interprétative permet une évaluation plus intégrative des facteurs qui influencent l’EA de stagiaires en sciences infirmières.
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 | 0.010 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.012 | 0.018 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".