SimCapture ja SimCapture for Skills auttoivat Pennsylvanian osavaltion yliopistoa muuttamaan lähestymistapaansa taitojen hallintaan tunnistamalla puutteita ja edistämällä tarkoituksellista harjoittelua vertaisoppimismenetelmää käyttäen.

Hoitotyön koulutusohjelmat kohtaavat yhä suurempia paineita hoitajapulan lievittämiseksi ja valmistaakseen valmistuneet tehokkaasti nykypäivän terveydenhuollon haasteisiin. Varmistaakseen uusien hoitajien valmiuden Pennsylvanian osavaltionyliopiston Ross and Carol Nese College of Nursing on hiljattain keskittynyt suorituskykydatan keräämiseen hoitotaidon laboratoriossaan.

Christopher Garrison, PhD, RN, CNS, CHSE, simulaatiolaboratorion johtaja ja apulaisopettaja Penn State -yliopistossa, tunnisti, että tämä data voisi olla keskeisessä roolissa arvioitaessa opiskelijoiden pätevyyttä ja auttaessaan opettajia tekemään strategisia päätöksiä ohjelma- tai opetussuunnitelmatasolla.

"Halusimme todella alkaa käyttää simulaatiota tunnistaaksemme opetussuunnitelman puutteet ja nähdä, missä meidän on tiivistettävä asioita ja autettava opiskelijoitamme tulemaan turvallisiksi ja tehokkaiksi ammattilaisiksi."

- Christopher Garrison, PhD, RN, CNS, CHSE
Johtaja, apulaisopettaja, Pennsylvania State University

Kuten monet muut hoitotyön simulaatio-ohjelmat, Penn State oli perinteisesti mitannut ohjelmansa menestystä opiskelijoiden tyytyväisyyskyselyillä. Vaikka kyselyt auttoivat käsittelemään Kirkpatrickin tason 1 mittaamalla opiskelijoiden reaktioita oppimiseen, tämä data ei tarjonnut näkyvyyttä siihen pätevyyteen, jota he tarvitsivat.

"Mielestäni yksi haasteista simulaatioyhteisössä on, että tyypillisesti, kun ajattelemme arviointidatan keräämistä, suuri osa siitä, mitä on kerätty, liittyy opiskelijoiden tyytyväisyyteen eikä todelliseen opiskelijoiden suorituskykydataan," Chris selittää. "Mutta aloimme ymmärtää [että] meidän todella piti mennä sen yli. Meidän täytyi tarkastella, mitä todelliset oppimistulokset olivat ja mitä opiskelijamme saavuttivat."

Hän ja hänen tiiminsä halusivat alkaa kerätä ja analysoida vankempaa dataa oppimistuloksista. "Halusimme jotakin objektiivista ja pätevää päätösten perustaksi," hän sanoo. "[Ja] halusimme todella saada [alustan] tämän datan keräämiseen ja analysoimiseen."

Lisäksi uusien AACN Essentials -vaatimusten edellyttäessä pätevyysperusteista koulutusta, Chris ja hänen kollegansa tiesivät tarvitsevansa tätä dataa dokumentoidakseen, kuinka opiskelijat saavuttavat nämä pätevyydet.

Kun Chris ja hänen tiiminsä alkoivat kerätä suorituskykytietoja korkean uskottavuuden simulaatioskenaarioistaan, toimintakelpoiset näkemykset alkoivat pian hahmottua.

He hyödynsivät Creighton Competency Evaluation Instrument -työkalua (C-CEI^®), joka on validi arviointiväline simulaatio-oppimisympäristöjen kliinisen oppimisen tehokkuuden mittaamiseen. Väline keskittyy 22 yleiseen hoitotyön käyttäytymiseen neljällä osa-alueella: arviointi, viestintä, kliininen arviointikyky ja potilasturvallisuus. "Koen tämän todella arvokkaaksi, koska se on objektiivinen," Chris selittää.

He integroivat Creighton-työkalun suoraan SimCaptureen, joka on simulaationhallintajärjestelmä. Tämä mahdollisti arviointitietojen helpon keräämisen ja analysoinnin SimCapture-alustalla.

Simulaatioskenaarioiden tiedot paljastivat, että opiskelijat osoittivat vahvaa osaamista joissain taidoissa. Mutta syvemmälle mentäessä he huomasivat, että opiskelijat eivät olleet sillä tasolla, millä heidän pitäisi olla muilla osa-alueilla – esimerkiksi turvallisen lääkehoidon antamisen ja toimenpiteiden oikean suorittamisen osalta.

Nämä havainnot saivat tiimin kysymään itseltään, "Kuinka voimme saada opiskelijamme saavuttamaan sen osaamistason, jota he tarvitsevat käytännön työssä?"

Oli aika harkita uudelleen heidän lähestymistapaansa taitojen opettamiseen.

Creighton-instrumentin ja SimCapturen avulla kerätty data antoi Chrisille ja hänen tiimilleen mahdollisuuden tarkastella tarkemmin, mitkä tietyt taidot saattoivat vaatia enemmän toistuvaa harjoittelua. He halusivat lisätä harjoittelumahdollisuuksia jäsennellyllä tavalla, joten he ottivat käyttöön SimCapture for Skills – ratkaisun, joka yhdistää vertaisoppimismenetelmän tehokkuuden digitaalisiin arviointi- ja analysointivälineisiin.

SimCapture for Skills -ratkaisun avulla opiskelijat pystyivät harjoittelemaan toistuvasti keskeisiä hoitotyön taitoja ja antamaan toisilleen palautetta. Kun arviointikriteerit rakennettiin osaksi SimCapture for Skills -alustaa, varmistettiin, että opiskelijoiden toisilleen antama palaute perustui näihin kriteereihin. Se, että opiskelijat arvioivat toisiaan erilaisista kriteeristössä tunnistetuista keskeisistä elementeistä, oli hyödyllistä, koska se vahvisti parhaita käytäntöjä. "He saavat itse asiassa laadukkaampaa harjoittelua ja laadukkaampaa palautetta," hän sanoo.

SimCapture for Skills tarjosi myös Chrisille ja hänen tiimilleen suorituskykytietoa ja oivalluksia, joiden avulla he pystyivät hienosäätämään opetustaan. Saatavilla olevat raportit sisältävät suoritusindikaattoreita sekä yksittäisten osallistujien että ryhmien tasolla.

"Data on todella hyödyllistä siinä, että voidaan tarkastella, missä opiskelijat harjoittelevat. Millä suorituskyvyn tasolla he ovat?" hän selittää. "Ja sitten pystyt säätämään, miten opetat erilaisia taitoja, kun havaitset puutteita."

Sen lisäksi, että harjoitteluaikaa on lisätty, Chris ja hänen kollegansa huomasivat, että näiden harjoittelumahdollisuuksien tulisi olla osa koko opetussuunnitelmaa eikä vain sijoitettuna alkuvaiheeseen.

"Valtaosa taidoista oli keskitetty Perusteet-kurssiin," hän kertoo. "Minusta on virheellinen olettamus, että kun joku todetaan osaavaksi Perusteet- tai Peruskivet-kurssilla, hän säilyttää pätevyytensä koko opetussuunnitelman ajan." Vaikka näitä taitoja todennäköisesti käsitellään myöhemmin kliinisissä harjoitteluissa, hän selittää, kliiniset ohjaajat saattavat ohjata opiskelijoita suorittamaan taitoja, kuten lääkkeiden antamista ja steriiliä tekniikkaa.

Ajan mittaan Chris ja tiimi ovat vähitellen upottaneet kriittisten taitojen harjoittelumahdollisuuksia opetussuunnitelmaan tarjotakseen vahvistusta, joka on tarpeen, jotta opiskelijat voivat hallita nämä taidot.

Hyödyntämällä datan voimaa päätöksenteossaan ja ottamalla tarkoituksellisemman lähestymistavan taitojen hallintaan Penn State on onnistuneesti nostanut tapansa valmistaa opiskelijoita käytäntöön.

Jos olet kiinnostunut aloittamaan enemmän datan keräämisen ja hyödyntämisen ohjelmassasi, Chris suosittelee "aloittamaan pienestä ja rakentamaan onnistumisten päälle."

Aloita siitä, missä ohjelmasi on tällä hetkellä ja mitkä tarpeet ovat. [SimCapture]-alusta on erittäin hyödyllinen mahdollistaessaan opiskelijoidesi suoritusten todellisten tulostietojen keräämisen. Alusta tarjoaa todella hyvän tavan järjestellä ja kerätä nämä tiedot. Mutta sinulla täytyy olla strateginen suunnitelma niiden hyödyntämiseksi. Jos vain keräät tietoa, etkä tee sillä mitään, se ei oikeastaan auta parantamaan ohjelmaasi."

Kiitos Chris Garrisonille Pennsylvanian valtionyliopistosta hänen tarinansa jakamisesta