在班加罗尔的护理学生中探索倦怠:一个t分布式随机邻居嵌入分析和层次聚类在横截面数据中的层次聚类

科学领域:

• 医学教育 医学教育
• 心理学 心理学 心理学
• 护理学研究 护理学研究

背景情况:

• 全球范围内,在护理学生中,倦怠是一个重大问题.
• 了解特定的学生个人资料可以为有针对性的干预提供信息.
• 之前的研究还没有根据印度护理学生的学业负载和动机来完全细分倦怠.

研究的目的:

• 探索燃烧程度,并在印度班加罗尔的护理学生中识别不同的个人资料.
• 调查学术强度,利他主义动机和倦怠维度 (疲劳,脱离) 之间的关系.
• 为培养护理学生量身定制的支持策略提供数据.

主要方法:

• 一项涉及237名女性护理学科学学士学位学生的横截面研究.
• 通过奥尔登堡倦怠调查 (修改为护理学生) 调查 (2023年10月至12月) 收集的数据.
• 使用t-分布式静态邻居嵌入 (t-SNE) 和分层聚类来识别学生的个人资料:"高强度研究小组"和"无私志向者".

主要成果:

• 这两组学生都报告了高的倦怠率.
• "高强度研究小组"与"无私志向者" (平均值=25.00,p=0.005) 相比,表现出明显更高的疲劳 (平均值=26.78).
• "无私的志愿者"显示出明显更高的脱离 (平均值=19.78) 比"高强度研究小组" (平均值=17.84,p=0.002).

结论:

• 在护理学生中,基于学业负载和内在动机,倦怠的表现不同.
• 不同的学生个人资料 ("高强度学习小组"",无私的志愿者") 需要定制的干预措施.
• 调查结果强调需要进一步的研究和具体的支持计划,在印度护理学生.