Siirry sisältöön

Arvioinnista vaikuttavuuteen: Datan käyttö käytäntövalmiiden sairaanhoitajien valmentamiseen


Asiakastarina

Opi, kuinka Tennessee Knoxvillen yliopisto käytti sairaanhoitajaopiskelijoiden suoritustietoja arvioinnin parantamiseen, opetussuunnitelmapäätösten vahvistamiseen ja käytäntövalmiiden sairaanhoitajien parempaan valmistamiseen.

 

Tennessee University nursing logo

Tietoa

Tennessee Knoxvillen yliopiston hoitotyön korkeakoulu tarjoaa innovatiivisia simulaatioharjoituksia psykomotoristen taitojen, fyysisen arvioinnin ja käytännössä sovellettavan kliinisen hoidon kouluttamiseen. Simulaatio sisältyy jokaiseen kliiniseen kurssiin sekä perustutkinto- että jatkotutkinto-ohjelmissa.

Dr. Susan Hébert

PhD, RN, CHSE
Simulaation apulaisdekaani, hoitotieteen tiedekunta 
Tennessee Knoxvillen yliopisto

Haaste:  

Puuttuva data ja rajallinen näkyvyys 

Dr. Susan Hébert ja hänen tiiminsä Tennessee Knoxvillen yliopistossa tiesivät, ettei heillä ollut täydellistä ja luotettavaa dataa, jota he tarvitsivat ymmärtääkseen perusteellisesti opiskelijoiden etenemistä kohti osaamista.

 

Manuaaliset työnkulut ja paperipohjaiset tarkistuslistat tarkoittivat:

  • Tiedot piti syöttää Excel-taulukoihin käsin. “Se oli todella vanhanaikaista,” Dr. Hébert sanoi.
  • Jotkin arvioinnit olivat puutteellisia tai puuttuivat kokonaan.
  • Tuloksista puuttui usein tarvittava yksityiskohtaisuus suorituksen analysoimiseksi syvemmällä tasolla. 

 

Heillä oli käsitys siitä, missä opiskelijoilla oli vaikeuksia—mutta ilman johdonmukaista ja yksityiskohtaista dataa näitä havaintoja oli vaikea vahvistaa tai hyödyntää. 
 

Side view of a woman reviewing stats on a laptop

The solution: 

Building a more efficient system for evaluation 

The team knew they needed an efficient, unified system to capture and analyze performance data that could help inform how students are prepared for practice.

They began using SimCapture, a simulation management system that would help them manage performance data more efficiently. They started with the data from their simulation scenarios. Later, they expanded into skills lab evaluation using SimCapture for Skills, bringing both environments into one system.  

To support faculty during the change, they created a transition path. Some faculty continued using laminated checklists before entering data digitally, while others adapted more quickly to real-time entry.  

The flexibility helped the program move forward together and ultimately reach consistent adoption, ensuring more consistent data capture. 

Close-up back view of a woman reviewing stats on a large computer screen

Opettajakunnan tukeminen paremman datan saatavuuden avulla 

Muutos helpotti arviointidatan tallentamista ja siihen pääsyä. Tohtori Hébert kertoi, että aiemmin data vaati tukihenkilöstön manuaalista syöttämistä ja hallintaa.  

“Aikaisemmin maisterin suorittanut arviointiasiantuntija ja hänen avustajansa syöttivät kaikki tiedot taulukkolaskentaohjelmaan. SimCapture on vähentänyt valtavasti työtä tältä ihmisryhmältä.” 

SimCapturen avulla data tallennetaan arvioinnin yhteydessä, ja siihen voidaan tarvittaessa päästä käsiksi tai se voidaan viedä ulos järjestelmästä.  

“Nyt tapahtuu niin, että kun kurssit on suoritettu, lataan kaikki mestaruusoppimisen ja skenaarioarvioinnin tiedot, joita keräämme ohjelman tuloksia varten,” hän sanoo. “Voin ladata ne nopeasti taulukkolaskentaohjelmiin.”

Tämän ansiosta opettajat ja henkilökunta voivat käyttää vähemmän aikaa datan hallintaan ja enemmän aikaa sen tarkasteluun ja hyödyntämiseen opiskelijoiden kehityksen tukemiseksi. 

Two people working together on a large computer screen. A woman is pointing  at the screen.

Varmistamalla täydelliset tiedot 

Yksi varhaisimmista läpimurroista saatiin parantamalla tietojen täydellisyyttä. Strukturoidun arvioinnin ansiosta opettajat eivät enää voineet jättää palauttamatta osittain täytettyjä tarkistuslistoja. Tämä vähensi puuttuvia tietoja ja paransi arviointitulosten yleistä luotettavuutta.  

Tämä muutos tarkoitti, että heidän tarkastelemansa tiedot olivat aiempaa tarkempia ja käyttökelpoisempia. Ohjelman kannalta tämä oli käännekohta. Arviointitietoja voitiin nyt käyttää luottavaisesti opiskelijoiden suoritusten parempaan ymmärtämiseen. 

Table showing inter-rater consistency

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.” 

Three nurses in blue uniform performing simulation training on Nursing Anne Geriatric

Opiskelijoiden valmiuden parantaminen harkitun harjoittelun avulla

Tietojen hyödyntämisen lisäksi ohjelmapäätösten tueksi tiimi vahvisti sitä, miten opiskelijoiden osaamista kehitetään ja arvioidaan.

 

He toteuttivat jäsennellyt harkitun harjoittelun laboratoriot, joissa opiskelijat:

  • Harjoittelevat taitoja ennen muodollista arviointia
  • Työskentelevät itsenäisesti samalla kun opettajat tarjoavat tukea
  • Etenevät kohti lopullisia hyväksyntöjä, kun ovat valmiita  

 

Ohjelma kerää myös useita arviointipisteitä, mukaan lukien uusintayritykset, kun opiskelijat tarvitsevat lisäharjoittelua.  

SimCapture for Skills tukee tätä mahdollistamalla suorituksen dokumentoinnin harjoittelu- ja arviointitoimintojen aikana sekä erilaiset arviointitavat harjoittelun aikana.

Näissä harkitun harjoittelun laboratorioissa opiskelijat osallistuvat myös vertaisarviointiin täyttämällä taitojen tarkistuslistoja yhdessä toistensa kanssa, samalla kun opettajat ovat läsnä havainnoimassa suoritusta ja tarjoamassa tarvittaessa ohjausta.

Harkitun harjoittelun laboratorioiden tulokset ovat olleet vahvoja. Suurin osa opiskelijoista suorittaa hyväksynnät onnistuneesti ensimmäisellä yrityksellä.  

Nämä rakenteet auttavat varmistamaan, että opiskelijat ovat valmiita ennen lopullista arviointia.

 

Muutoksen johtaminen

Tohtori Hébert selittää, että merkittävä muutos vaati sitkeyttä. ”Kesti kaksi vuotta, että saimme sen toteutumaan”, hän kertoo. Käyttöönotto vaati aikaa, tukea ja johdonmukaista johtajuutta, erityisesti kun opettajat sopeutuivat uusiin työnkulkuihin ja odotuksiin.

”Tarvitaan joku, joka ajaa asiaa eteenpäin ja pysyy mukana loppuun asti”, hän sanoo.  

Pitämällä katseen pitkän aikavälin tavoitteessa ohjelma pystyi vakiinnuttamaan yhdenmukaiset tietokäytännöt koko opetushenkilöstön kesken. 

Keskeiset havainnot

  • Täydellinen ja jäsennelty arviointidata mahdollistaa tarkemmat ja käyttökelpoisemmat näkemykset opiskelijoiden suoriutumisesta.
  • Simulaatio- ja taitotiedon keskittäminen vähentää hallinnollista taakkaa ja parantaa tiedekunnan pääsyä tietoihin.
  • Luotettava data auttaa koulutusohjelmia tunnistamaan suoriutumisen trendejä ja tekemään kohdennettuja opetussuunnitelman parannuksia.
  • Datan pohjalta saadut näkemykset auttavat sovittamaan opetuksen yhteen todellisen kliinisen käytännön kanssa ja tukevat työelämävalmiutta.
  • Jäsennelty tarkoituksellinen harjoittelu varmistaa, että opiskelijat kehittävät osaamistaan ennen korkean panoksen arviointia. 

Saatat myös pitää...

Ota meihin yhteyttä osaamisperusteisista koulutusratkaisuista

We will handle your personal contact details with care as outlined in Laerdal's Privacy Policy.

We will handle your personal contact details with care as outlined in Laerdal's Privacy Policy.