Tiedonkeruusta päätöksentekoon
Kun tiedosta tuli luotettavaa, tohtori Hébert ja hänen tiiminsä pystyivät hyödyntämään sitä aiempaa merkityksellisemmillä tavoilla.
He pystyivät analysoimaan dataa, mukaan lukien:
- Yksittäisten tarkistuslistan vaiheiden suoritus. ”Yksi lempiasioistani siinä, mitä SimCapture voi kerätä meille, on se, että … voin näyttää, kuinka suuri prosenttiosuus opiskelijoista on tehnyt kunkin vaiheen oikein.”
- Trendit opiskelijaryhmien välillä. ”Voin poimia dataa, joka osoittaa, missä vahvuutemme ja heikkoutemme ryhmänä sijaitsevat.”
- Arvioijien välinen johdonmukaisuus. ”Jos joku kysyy kurssin tai arvioinnin arvioijien välisestä luotettavuudesta, voin mennä SimCaptureen ja hakea sen viiden minuutin kuluessa. Mielestäni se on paras ominaisuus siinä, mitä olemme pystyneet tekemään.”
Sen sijaan, että he olisivat turvautuneet manuaalisiin taulukoihin tai ulkopuoliseen tukeen, he pystyivät nopeasti saamaan tarvitsemansa tiedot suoriutumisen arvioimiseksi.
Tämä analyysitaso mahdollisti sen, että ohjelma pystyi siirtymään tulosten kirjaamisesta suorituskyvyn kaavojen tunnistamiseen, jotka tukevat opetusta ja oppimista.
Tämä kyky analysoida suoriutumista syvemmällä tasolla johti suoraan opetussuunnitelman muutoksiin.
Oivallusten muuttaminen opetussuunnitelman muutoksiksi
Todellinen vaikutus tuli, kun data paljasti selkeitä kaavoja.
Jos opiskelijat suoriutuivat johdonmukaisesti heikosti jostakin keskeisestä käsitteestä tärkeässä tilanteessa eri opiskelijaryhmissä, tohtori Hébert ja tiimi pystyivät puuttumaan tähän huoleen välittömästi.
”Meidän täytyy pohtia käsitteiden ja osaamisen soveltamista hoitotyössä, koska juuri sitä useimmat käytännön hoitajat tekevät potilaan vierellä”, hän selittää.
”Tiesimme koko ajan, että on alueita, joihin meidän täytyy keskittyä. Mutta nyt kun meillä on data, joka osoittaa sen, se on ollut todella hienoa.”
Hän ja hänen tiiminsä voivat viedä nämä havainnot kurssivastaaville ja opetussuunnitelmatyöryhmille. Opettajat vastaavat sitten vahvistamalla käsitteitä, joita opiskelijoiden on vaikea ymmärtää, jotta opetus vastaisi paremmin kliinistä käytäntöä.
Se, mikä aiemmin olisi ollut yleinen huolenaihe, voidaan nyt vahvistaa selkeällä, dataan perustuvalla kehittämisellä, jonka tarkoituksena on vahvistaa sitä, miten opiskelijat soveltavat taitojaan kliinisissä ympäristöissä.
”Jotkut vakuuttuvat datasta”, hän sanoo. ”Olen kvantitatiivinen ihminen. Siksi on ollut niin hienoa, että meillä on tätä kvantitatiivista dataa. Se ohjaa [meitä] nyt todella.”
”Se kertoo ohjelmamme tarpeista paremmin kuin koskaan aiemmin olemme pystyneet tekemään.”