基于SimZones与vrClinicals的胜任力教育支架式教学实践
在这次访谈中，您可以了解堪萨斯大学护理学院如何结构化多模态模拟活动以培养胜任力。
了解更多三重奏的成功：临床判断、护理教育中的虚拟现实与人工智能
Cynthia Bradley，PhD，RN，CNE，CHSE，ANEF
副教授，模拟教学主任
明尼苏达大学
如果你从事护理教育，你就知道临床判断仍然是护理教育中最关键的能力之一。而且，你也知道，它也是最难以教授并保持一致评估的能力之一。
在2026年模拟用户网络（SUN）大会上，明尼苏达大学护理学院副教授兼模拟教学主任 Cynthia Bradley，PhD，RN，CNE，CHSE，ANEF 分享了沉浸式虚拟现实在护理教育中的应用（IVR）以及人工智能（AI）如何帮助护理教育者更好地理解并支持临床判断的发展。
在本文中，我们提供了 Bradley 博士 SUN 会议“临床判断、VR 与 AI：制胜三重奏”的摘要。
为什么临床判断如此难以评估
Bradley 医生在她的分享中提出了护理教育者们都很熟悉的一个挑战。临床判断对于安全实践至关重要，并且与患者结局直接相关，但它又极其复杂。即使学生学习了步骤、规范和流程，“他们仍然必须掌握其中的推理和思考部分，”Bradley 医生指出。
“临床判断是我们正在尝试教授的最困难的内容之一，”她说。“它非常难以衡量。”
传统临床实践经历差异很大。即使被安排在同一病区的学生，也会遇到不同的患者和学习机会。评估在很大程度上依赖教师观察，而这可能带有主观性且不够一致。
为什么沉浸式虚拟现实（IVR）会改变讨论方式
模拟有助于应对临床体验中的差异性，但Bradley博士强调，护理教育中的沉浸式虚拟现实（IVR）将标准化进一步推进。在IVR中，每个学习者都会遇到相同的环境、提示和决策点。
“VR又把标准化提升了一个层级，这样每个人在进行任何类型的情景时，实际上都会获得相同的体验。”
IVR也将评估从仅仅依赖教师解读中转移出来。她说：“IVR消除了所有这些主观性——因为归根结底，它是一个计算机程序。”
在护理虚拟临床（vrClinicals for Nursing）等IVR平台出现之前，教育者对学生在模拟患者护理过程中实际在做什么了解有限。“如果我们真的无法理解他们在做什么，我们就根本不知道该如何帮助他们改进，”她说。
提供基于数据的临床判断证据
IVR 环境会生成大量学习者数据。Bradley 博士将这些数据称为 IVR 遥测数据。这包括所采取的行动、时间、顺序、遗漏以及对患者状况变化的反应。
“我们可以看到他们的行动，看到他们所做事情的时间点，以及事件发生的顺序，”她说。“我们也能看到他们没有做什么。有时这也非常重要。”
在 vrClinicals for Nursing 等平台中，教育者可以检查学生如何评估患者、执行流程和医嘱，以及如何准备升级护理。
“他们是否会联系医疗提供者？”她问道。“他们是否具备做出这个决定所需的数据，还是必须回去重新评估？”
她特别指出了多患者环境的价值。“我们可以观察优先级排序模式，”她解释道。“他们如何应对干扰？”
“vrClinicals 非常出色。你可以设置单个患者[或]多个患者。这些患者的复杂度会不断提高。”
通过 IVR 遥测捕捉这些模式，vrClinicals 等平台为教育者提供了学习者如何识别线索、确定护理优先级、应对干扰以及管理相互冲突需求的客观证据。
“我们有一名学生说，‘因为 George [来自 VR 场景]，我能够回答 NCLEX 上的一些问题，’”她分享道。像这样的例子说明了 vrClinicals 等平台如何支持更深入的理解与应用。
将临床判断测量模型作为观察视角
为了把遥测数据转化为洞见，Bradley博士强调了共享框架的重要性。她使用临床判断测量模型来解读学习者在识别线索、分析信息、优先排序假设、采取行动以及评估结果等方面的行为。
“遥测数据本身不会自我解读，”Bradley博士解释道。“我们需要一个共同的视角。”
对于每个IVR场景，教育者必须确定哪些行为在该情境中体现了判断力。学习者在干预后是否重新评估？他们是否适当地上报？当情况发生变化时，他们是否重新调整了护理优先级？
通过这种方法，Bradley博士发现了学习困难者中的一种模式。“他们就是不停地重新评估、重新评估，”她说。“他们就是不采取行动。”
由于vrClinicals会记录时间和顺序，这些模式便能在复盘讨论中被看见并加以讨论，而场景中的操作和中断设计则围绕临床判断测量模型展开。
AI 在三位一体中的位置
AI 通过帮助教育者整理和解读由 vrClinicals 等沉浸式 VR 平台生成的大量遥测数据，发挥辅助作用。
但 AI 并不能取代护理教育者。Bradley 博士指出：“AI 永远不会取代护理思维。”她强调，教育者的判断必须始终居于核心地位。
“AI 对我们来说是一个非常有用的工具，但我们仍然是拥有护理专业知识以及扎实教育学背景的人。永远不要忘记，你比 AI 更聪明。”
当在“有护栏”的情况下使用时，AI 能帮助教育者更快地从证据走向行动。Bradley 博士说：“我今天就想知道：我的学生表现得怎么样？不是下学期，不是明年，而是今天这一届。”
AI 支持的分析可以发现班级层面的差距，例如升级上报延迟、遗漏安全检查，或在评估结果时遇到困难。这些洞见使教育者能够近乎实时地调整总结讨论、补救教学，甚至课程设置。
她解释说：“[分析结果] 会改变我下次做这个情景时的总结讨论方式吗？它也许会告诉我，我需要如何调整他们的准备材料，或者在他们下次进行这个 VR 之前需要先掌握些什么？”
“也许只是把某些内容纳入我们的课程中，因为我们需要重复某些东西，”她补充道。“基于能力的教育不是一次性完成的。我们希望他们再次证明自己具备能力。”
Bradley 博士的建议：慢慢开始
Bradley 博士敦促教育者以深思熟虑的方式接触沉浸式 VR。
“我最好的建议是：从低处开始，慢慢推进，”她建议道。她建议先从一门课程和一个情景开始，并投入充分的培训，让师生都熟悉硬件和软件。
她警告说，实施不当会导致教师沮丧和学生信心下降。“这真的很难把钟重新敲回去，”她说。“所以要非常慢地开始……并且要有那些会为整个过程积极宣讲的人。”
制胜三联
Bradley 医生在结束本次会议时又回到了“目的”这一点。临床判断仍然是目标。像 vrClinicals for Nursing 这样的沉浸式 VR 平台提供了一个环境，可生成关于学习者表现的丰富、客观证据。AI 帮助教育者以负责任的方式解读这些证据。
临床判断、沉浸式 VR 和 AI 三者结合，构成了一个强大的组合，可支持更好的评估、更强的教学决策，以及改善护理教育者及其学生的学习成果。
关键要点
- ✓临床判断至关重要，但在传统环境中仍然难以教学和稳定评估。
- ✓护理教育中的虚拟现实可标准化体验并减少评估中的主观性。
- ✓IVR 遥测数据可提供关于学习者如何识别线索、确定护理优先级并采取行动的客观证据。
- ✓AI 帮助教育者解读大量 VR 数据，同时仍以资深护士的判断为核心。
- ✓从沉浸式 VR 小规模起步，有助于更好地推广，并带来更有意义的学习成果。
您可能也喜欢...
vrClinicals for Nursing 是一个独特的虚拟现实解决方案，让学生在逼真且繁忙的医院环境中投入学习。
vrClinicals for Nursing 是一个独特的虚拟现实解决方案，让学生在逼真且繁忙的医院环境中投入学习。
