Gå til innhold

Fra evaluering til gjennomslag: Bruk av data for å forberede praksisklare sykepleiere


Kundehistorie

Lær hvordan University of Tennessee Knoxville brukte prestasjonsdata fra sykepleiestudenter til å forbedre vurderingen, styrke beslutninger om læreplanen og bedre forberede sykepleiere som er klare for praksis.

 

Tennessee University nursing logo

Om

University of Tennessee Knoxville's College of Nursing tilbyr innovative simuleringsopplevelser for å trene psykomotoriske ferdigheter, fysisk vurdering og klinisk omsorg som anvendes i praksis. Simulering er inkludert i alle kliniske emner i både bachelor- og masterprogrammene.

Dr. Susan Hébert

PhD, RN, CHSE
Visedekan for simulering ved sykepleierutdanningen 
University of Tennessee Knoxville

Utfordringen:  

Ufullstendige data og begrenset innsyn 

Dr. Susan Hébert og teamet hennes ved University of Tennessee Knoxville visste at de ikke hadde de komplette, pålitelige dataene de trengte for fullt ut å forstå studentenes progresjon mot kompetanse.

 

Manuelle arbeidsflyter og papirbaserte sjekklister betydde:

  • Data måtte legges inn i Excel-ark for hånd. «Det var veldig gammeldags», sa Dr. Hébert.
  • Noen evalueringer var ufullstendige eller manglet.
  • Resultatene manglet ofte detaljene som trengtes for å analysere prestasjoner på et dypere nivå. 

 

De hadde en følelse av hvor studentene slet—men uten konsistente, detaljerte data var det vanskelig å bekrefte disse innsiktene eller handle på dem. 
 

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

Støtte til fakultetet gjennom bedre tilgang til data 

Skiftet gjorde evalueringsdata enklere å samle inn og få tilgang til. Dr. Hébert fortalte at data tidligere krevde manuell registrering og håndtering av støttepersonell.  

“Det pleide å være slik at en evalueringsekspert med mastergrad og assistentene hennes la inn alle dataene i et regneark. SimCapture har tatt bort en enorm arbeidsmengde fra den gruppen mennesker.” 

Med SimCapture blir data registrert ved selve evalueringen og kan hentes ut eller eksporteres ved behov.  

“Det som skjer nå er at når kursene er fullført, laster jeg ned alle dataene om mestringslæring og scenariosimuleringene vi samler inn for programresultater,” sier hun. “Jeg kan raskt laste dem ned i regneark.”

Dette gjorde det mulig for fakultet og ansatte å bruke mindre tid på å håndtere data og mer tid på å gjennomgå og bruke dem til å støtte studentenes utvikling. 

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

Sikrer fullstendige data 

Et av de tidligste gjennombruddene kom fra å forbedre datakompletthet. Med strukturerte evalueringer kunne fakultetet ikke lenger sende inn delvis utfylte sjekklister. Dette reduserte manglende data og forbedret den generelle påliteligheten i evalueringsresultatene.  

Denne endringen betydde at dataene de gjennomgikk ble mer nøyaktige og brukbare. For programmet markerte dette et vendepunkt. Evalueringsdata kunne nå brukes med trygghet for å bedre forstå studentenes prestasjoner. 

Table showing inter-rater consistency

Fra datainnsamling til beslutningstaking

Når dataene ble pålitelige, kunne Dr. Hébert og teamet hennes bruke dem på mer meningsfulle måter.

 

De kunne analysere data, inkludert:

  • Resultater for de enkelte trinnene i sjekklisten. «En av tingene jeg liker aller best med det SimCapture kan samle inn for oss, er at ... jeg kan vise hvilken prosentandel av studentene som har utført hvert trinn korrekt.»
  • Trender på tvers av studentkull. «Jeg kan hente ut data som viser, som kull, hvor våre styrker og svakheter ligger.»
  • Enighet mellom vurderere. «Hvis noen ber om inter-rater-reliabiliteten for et emne eller en evaluering, kan jeg gå inn i SimCapture og hente den ut innen 5 minutter. Jeg synes det er den beste funksjonen ved det vi har vært i stand til å gjøre.»

 

I stedet for å være avhengige av manuelle regneark eller ekstern støtte, kunne de raskt få tilgang til informasjonen som trengtes for å evaluere prestasjoner.

Dette nivået av analyse gjorde det mulig for programmet å gå videre fra å registrere resultater til å identifisere mønstre i prestasjoner som gir grunnlag for undervisning og læring.

Denne evnen til å analysere prestasjoner på et dypere nivå ville føre direkte til endringer i læreplanen. 

 

Å omsette innsikt til endringer i læreplanen 

Den reelle effekten kom da dataene avdekket tydelige mønstre.

På tvers av kull kunne Dr. Hébert og teamet, hvis studentene konsekvent presterte svakt i et bestemt konsept i et sentralt scenario, ta tak i dette umiddelbart.  

«Vi må tenke på anvendelsen av konsepter og kompetanser i pleien, fordi det er det de fleste praktiserende sykepleierne ved sengekanten faktisk gjør,» forklarer hun.  

«Vi visste hele tiden at det var områder vi måtte fokusere på. Men nå som vi har dataene som viser det, har det vært virkelig fint.» 

Hun og teamet hennes kan ta disse funnene med til emneledere og læreplankomitéer. Underviserne svarer deretter ved å forsterke konseptene studentene har vanskelig for å forstå, slik at undervisningen bedre samsvarer med klinisk praksis.  

Det som tidligere bare ville vært en generell bekymring, kan nå bekreftes ved hjelp av tydelig, datastøttet forbedring som er utformet for å styrke hvordan studentene anvender ferdigheter i kliniske settinger.

«Noen lar seg overbevise av data,» sier hun. «Jeg er en kvantitativ person. Derfor har det vært så fint å ha disse kvantitative dataene. De styrer oss virkelig nå.» 

«Det gir oss bedre innsikt i programmets behov enn vi noen gang har vært i stand til før.» 

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

Forbedre studenters beredskap gjennom bevisst praksis

I tillegg til å bruke data til å informere programbeslutninger, styrket teamet hvordan studentkompetanse utvikles og evalueres.

 

De implementerte strukturerte laboratorium for bevisst praksis der studentene:

  • Øver på ferdigheter før formell evaluering
  • Jobber selvstendig mens fakultetet gir støtte
  • Går videre mot endelig godkjenning når de er klare  

 

Programmet registrerer også flere evalueringspunkter, inkludert gjentatte forsøk når studentene trenger mer øving.  

SimCapture for Skills støtter dette ved å gjøre det mulig å dokumentere prestasjoner gjennom praksis- og evalueringsaktiviteter, samt ved å muliggjøre ulike typer vurdering under praksis.

Innenfor disse laboratoriene for bevisst praksis deltar studentene også i vurdering fra medstudenter ved å fylle ut ferdighetssjekklister sammen med hverandre, mens fakultetet fortsatt er til stede for å observere prestasjoner og gi tilsyn når det trengs.

Resultatene fra laboratoriene for bevisst praksis har vært gode. De fleste studentene fullfører godkjenningene på første forsøk.  

Disse strukturene bidrar til å sikre at studentene er forberedt før de når den endelige vurderingen.

 

Å lede gjennom endring

Dr. Hébert forklarer at meningsfull endring krevde utholdenhet. “Det tok oss to år å få det til,” forteller hun. Innføringen krevde tid, støtte og konsekvent lederskap, særlig ettersom fakultetet tilpasset seg nye arbeidsflyter og forventninger.

“Det trengs noen som kan være en forkjemper for det og stå løpet ut,” sier hun.  

Ved å holde fokus på det langsiktige målet klarte programmet å etablere konsekvent datapraksis på tvers av fakultetet. 

Viktige læringspunkter

  • Komplette, strukturerte evalueringsdata gir mer presis og handlingsrettet innsikt i studentenes prestasjoner.
  • Sentralisering av simulerings- og ferdighetsdata reduserer administrativ belastning og forbedrer fakultetets tilgang til informasjon.
  • Pålitelige data gjør det mulig for programmer å identifisere prestasjonstrender og gjøre målrettede forbedringer i læreplanen.
  • Databaserte innsikter bidrar til å samstemme undervisningen med klinisk praksis i virkeligheten, og støtter praksisberedskap.
  • Strukturert bevisst øving sikrer at studentene bygger kompetanse før høystakes-evaluering. 

Du vil kanskje også like...

Kontakt oss om kompetansebaserte utdanningsløsninger

Vi vil håndtere dine personlige kontaktopplysninger med forsiktighet som beskrevet Laerdal's Privacy Policy.

Vi vil håndtere dine personlige kontaktopplysninger med forsiktighet som beskrevet Laerdal's Privacy Policy.