了解田纳西大学诺克斯维尔分校如何利用护理学生表现数据来改进评估、加强课程决策，并更好地培养具备实践能力的护士。

挑战： 

数据不完整且可见性有限 

田纳西大学诺克斯维尔分校的 Susan Hébert 博士及其团队知道，他们并没有获得所需的完整、可靠数据，无法全面了解学生向胜任能力提升的进展。

手动流程和纸质清单意味着：

他们大致知道学生在哪些方面遇到困难——但如果没有一致、详细的数据，这些洞见就很难得到确认或付诸行动。 
 

通过更便捷的数据访问支持教师 

这一转变使评估数据更易于采集和访问。Hébert 博士表示，过去这些数据需要由支持人员手动录入和管理。 

借助 SimCapture，数据会在评估发生时被采集，并且可以根据需要访问或导出。 

“现在的情况是，一旦课程完成，我就会下载我们为项目成果收集的所有熟练度学习和情景评估数据，” 她说。“我可以很快把这些数据下载到电子表格中。”

这使教师和工作人员能够减少用于管理数据的时间，把更多时间用于审阅数据并加以利用，以支持学生发展。 

确保数据完整性 

最早的突破之一来自于提高数据完整性。通过结构化评估，教师不再能够提交只完成一部分的检查表。这减少了缺失数据，并提高了评估结果的整体可靠性。 

这一转变意味着他们所审阅的数据变得更加准确且更具可用性。对于该项目而言，这标志着一个转折点。现在，评估数据可以被放心地用于更好地理解学生表现。 

从数据收集到决策制定

一旦数据变得可靠，Hébert 博士和她的团队就能够以更有意义的方式使用它。

他们可以分析的数据包括：

他们不再依赖手工电子表格或外部支持，而是能够快速获取评估表现所需的信息。

这种分析层级使该项目能够超越结果记录，转而识别影响教学与学习的表现模式。

这种更深层次分析表现的能力，将直接带来课程方面的变化。 

将洞察转化为课程变革 

真正的影响出现在数据揭示出清晰模式的时候。

在不同学生群体中，如果学生在某个关键情境中的特定概念上持续表现不佳，Hébert 博士和团队就能够立即应对这一问题。  

“我们需要思考在护理中如何应用概念和能力，因为这正是在床旁工作的绝大多数执业注册护士所做的事情，”她解释道。  

她和团队可以把这些发现提交给课程负责人和课程委员会。随后，教师会通过强化学生难以理解的概念来回应，以更好地使教学与临床实践相一致。  

原本只是一个笼统的担忧，现在可以通过清晰、数据支持的改进来加以确认，这些改进旨在加强学生在临床环境中应用技能的能力。

“有些人会被数据说服，”她说。“我是一个重视定量的人。这就是为什么拥有这些定量数据如此令人欣慰。它现在真的在指导我们。” 

通过有目的的练习提升学生准备度

除了利用数据来指导项目决策外，团队还加强了学生能力的培养与评估方式。

他们建立了结构化的有目的练习实验室，学生可以在其中：

该项目还记录多个评估节点，包括当学生需要额外练习时的重复尝试。 

SimCapture for Skills 通过允许在练习和评估活动中记录表现，并支持在练习期间开展不同类型的评估，从而为此提供支持。

在这些有目的练习实验室中，学生还通过相互完成技能清单进行同伴互评，而教师始终在场观察表现，并在需要时提供监督。

有目的练习实验室的成效非常显著。大多数学生都能在第一次尝试时顺利通过考核。 

这些机制有助于确保学生在进入最终评估前已做好充分准备。

在变革中引领前行

Hébert 博士解释说，有意义的变革需要坚持不懈。她说：“我们花了两年时间才实现这件事。”采用新方式需要时间、支持以及持续的领导力，尤其是在教师适应新的工作流程和要求时。

“需要有人来推动它，并坚持到底，”她说。 

通过始终聚焦于长期目标，该项目得以在所有教师之间建立起一致的数据实践。