테네시 대학교 녹스빌이 간호학과 학생 성과 데이터를 활용해 평가를 개선하고, 교육과정 결정을 강화하며, 실무 준비가 된 간호사를 더 잘 양성한 방법을 알아보세요.

과제:  

불완전한 데이터와 제한된 가시성 

테네시대학교 녹스빌의 수잔 에베르트 박사와 그녀의 팀은 학생들의 역량 향상 과정을 완전히 이해하는 데 필요한 완전하고 신뢰할 수 있는 데이터를 보유하고 있지 않다는 것을 알고 있었습니다.

수작업 워크플로와 종이 기반 체크리스트는 다음을 의미했습니다:

그들은 학생들이 어디에서 어려움을 겪는지 어느 정도 알고 있었지만, 일관되고 상세한 데이터가 없었기 때문에 그러한 인사이트를 확인하거나 실행에 옮기기가 어려웠습니다. 
 

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. 

더 나은 데이터 접근을 통해 교수진 지원 

이번 변화로 평가 데이터를 더 쉽게 수집하고 접근할 수 있게 되었습니다. Hébert 박사는 이전에는 지원 직원이 데이터를 수동으로 입력하고 관리해야 했다고 전했습니다.  

SimCapture를 사용하면 평가 시점에 데이터를 수집할 수 있으며, 필요에 따라 접근하거나 내보낼 수 있습니다.  

“지금은 과정이 끝나면, 프로그램 성과를 위해 수집한 모든 숙련 학습 데이터와 시나리오 평가 데이터를 다운로드합니다,”라고 그녀는 말합니다. “그것들을 스프레드시트로 빠르게 내려받을 수 있어요.”

이로써 교수진과 직원들은 데이터를 관리하는 데 드는 시간을 줄이고, 학생 성장을 지원하기 위해 데이터를 검토하고 활용하는 데 더 많은 시간을 쓸 수 있게 되었습니다. 

완전한 데이터 보장 

가장 초기의 성과 중 하나는 데이터 완전성 향상에서 비롯되었습니다. 구조화된 평가를 통해 교수진은 더 이상 일부만 작성된 체크리스트를 제출할 수 없게 되었습니다. 이로 인해 누락된 데이터가 줄어들었고 평가 결과의 전반적인 신뢰성이 향상되었습니다.  

이러한 변화는 검토 중인 데이터가 더 정확하고 활용 가능해졌음을 의미했습니다. 이 프로그램에 있어 이는 전환점이었습니다. 이제 평가 데이터는 학생 성과를 더 잘 이해하기 위해 신뢰를 바탕으로 활용될 수 있게 되었습니다. 

데이터 수집에서 의사결정까지

데이터가 신뢰할 수 있게 되자, Hébert 박사와 그녀의 팀은 이를 더욱 의미 있는 방식으로 활용할 수 있게 되었습니다.

이들은 다음과 같은 데이터를 분석할 수 있었습니다:

수동 스프레드시트나 외부 지원에 의존하는 대신, 수행을 평가하는 데 필요한 정보를 신속하게 확인할 수 있었습니다.

이 정도 수준의 분석을 통해 프로그램은 결과를 기록하는 데서 나아가, 교육과 학습에 정보를 제공하는 수행 패턴을 식별할 수 있게 되었습니다.

수행을 더 깊은 수준에서 분석할 수 있는 이 능력은 곧바로 교육과정의 변화로 이어졌습니다. 

통찰을 교육과정 변화로 전환하기 

실질적인 영향은 데이터가 명확한 패턴을 드러냈을 때 나타났습니다.

여러 코호트에서 학생들이 핵심 시나리오 내 특정 개념에서 지속적으로 낮은 성과를 보이면, Hébert 박사와 팀은 이 문제를 즉시 해결할 수 있었습니다.  

그녀는 “우리는 간호 현장에서 적용되는 개념과 역량을 어떻게 활용할지 생각해야 합니다. 왜냐하면 침상 곁에서 일하는 대부분의 실무 간호사들이 바로 그렇게 하고 있기 때문입니다”라고 설명합니다.  

그녀와 팀은 이러한 결과를 과목 책임자와 교육과정 위원회에 제시할 수 있습니다. 그러면 교수진은 학생들이 이해하는 데 어려움을 겪는 개념을 더 강화하여, 교육이 임상 실무와 더 잘 맞도록 대응합니다.  

한때 막연한 우려에 그쳤을 문제도, 학생들이 임상 환경에서 기술을 적용하는 방식을 강화하도록 설계된 명확한 데이터 기반 개선을 통해 확인할 수 있게 됩니다.

“어떤 사람들은 데이터로 설득됩니다”라고 그녀는 말합니다. “저는 수치적인 사람입니다. 그래서 이렇게 수치화된 데이터를 갖게 된 것이 정말 좋았습니다. 이제 이것이 [우리에게] 정말 큰 방향을 제시하고 있습니다.” 

의도적인 연습을 통한 학생 준비도 향상

프로그램 결정을 위해 데이터를 활용하는 것과 함께, 팀은 학생 역량이 개발되고 평가되는 방식을 강화했습니다.

그들은 학생들이 다음과 같이 하는 구조화된 의도적 연습 랩을 도입했습니다:

이 프로그램은 또한 학생들이 추가 연습이 필요할 때 재도전한 경우를 포함해 여러 평가 지점을 기록합니다.  

SimCapture for Skills는 연습 및 평가 활동 전반에 걸쳐 수행을 문서화할 수 있게 하고, 연습 중 다양한 유형의 평가를 가능하게 함으로써 이를 지원합니다.

이러한 의도적 연습 랩에서 학생들은 서로의 기술 체크리스트를 작성하며 동료 평가에도 참여하고, 교수진은 현장에서 계속 함께하며 수행을 관찰하고 필요할 때 감독을 제공합니다.

의도적 연습 랩의 결과는 매우 우수했습니다. 대부분의 학생들은 첫 번째 시도에서 확인 평가를 성공적으로 완료합니다.  

이러한 구조는 학생들이 최종 평가에 도달하기 전에 준비를 마칠 수 있도록 돕습니다.

변화를 이끄는 리더십

드. 에베르는 의미 있는 변화를 위해서는 끈기가 필요했다고 설명합니다. 그녀는 “이를 실현하는 데 2년이 걸렸습니다”라고 말합니다. 특히 교수진이 새로운 업무 흐름과 기대에 적응하는 과정에서 도입에는 시간, 지원, 일관된 리더십이 필요했습니다.

“이를 추진하고 끝까지 밀고 나갈 사람이 필요합니다,”라고 그녀는 말합니다.  

장기적인 목표에 집중함으로써, 이 프로그램은 교수진 전반에 걸쳐 일관된 데이터 관행을 확립할 수 있었습니다.