Cynthia Bradley, PhD, RN, CNE, CHSE, ANEF 

Profesor nadzwyczajna, dyrektorka ds. symulacji 
Uniwersytet Minnesota 

 

Jeśli zajmujesz się edukacją pielęgniarską, wiesz, że osąd kliniczny pozostaje jedną z najważniejszych kompetencji w kształceniu pielęgniarek i pielęgniarzy. Wiesz też, że jest to jedna z najtrudniejszych umiejętności do nauczania i konsekwentnej oceny.  

Podczas konferencji Simulation User Network (SUN) Conference 2026, Cynthia Bradley, PhD, RN, CNE, CHSE, ANEF, profesor nadzwyczajna i dyrektorka ds. symulacji w Szkole Pielęgniarstwa Uniwersytetu Minnesota, opowiedziała, jak immersyjna wirtualna rzeczywistość w edukacji pielęgniarskiej (IVR) oraz sztuczna inteligencja (AI) mogą pomóc nauczycielom akademickim lepiej rozumieć rozwój osądu klinicznego i wspierać go.

W tym artykule przedstawiamy podsumowanie sesji dr Bradley na SUN, „Osąd kliniczny, VR i AI: zwycięskie trio”. 

Dlaczego osąd kliniczny jest tak trudny do oceny

Dr Bradley oparła swoją sesję na wyzwaniu, które edukatorzy pielęgniarstwa dobrze znają. Osąd kliniczny jest niezbędny dla bezpiecznej praktyki i bezpośrednio wpływa na wyniki leczenia pacjentów, a jednocześnie jest niezwykle złożony. Nawet gdy studentów uczy się kroków, protokołów i procesów, „nadal muszą oni uchwycić ten element rozumowania i myślenia” — zauważyła dr Bradley.

„Osąd kliniczny to jedna z najtrudniejszych rzeczy, których próbujemy uczyć” — powiedziała. „Bardzo trudno go zmierzyć”.

Tradycyjne doświadczenia kliniczne bardzo się różnią. Nawet studenci przypisani do tego samego oddziału spotykają różnych pacjentów i mają różne możliwości uczenia się. Ocena w dużej mierze zależy od obserwacji wykładowców, która może być subiektywna i niespójna. 

Dlaczego immersyjna rzeczywistość wirtualna (IVR) zmienia podejście

Symulacje pomagają ograniczyć zmienność doświadczeń klinicznych, ale dr Bradley podkreśliła, że immersyjna rzeczywistość wirtualna (IVR) w edukacji pielęgniarskiej idzie o krok dalej w kierunku standaryzacji. W IVR każdy uczestnik napotyka to samo środowisko, te same wskazówki i te same punkty decyzyjne. 

IVR zmienia też sposób oceny, odchodząc od wyłącznej interpretacji prowadzących zajęcia. „IVR usuwa całą tę subiektywność — bo ostatecznie to program komputerowy” — powiedziała.

Przed platformami IVR, takimi jak vrClinicals for Nursing, nauczyciele mieli ograniczony wgląd w to, co studenci faktycznie robili podczas symulowanej opieki nad pacjentem. „Jeśli nie możemy naprawdę zrozumieć, co robią, nie mamy pojęcia, jak pomóc im się rozwijać” — powiedziała. 

Dostarczanie opartego na danych dowodu osądu klinicznego

Środowiska IVR generują ogromną ilość danych o uczącym się. Dr Bradley określiła te dane jako telemetrię IVR. Obejmuje to podejmowane działania, czas, kolejność, pominięcia oraz reakcje na zmieniający się stan pacjenta.

„Możemy zobaczyć ich działania, widzimy timing tego, co zrobili, kolejność zdarzeń” — powiedziała. „Widzimy, czego nie robią. Czasami to też jest bardzo ważne do wiedzy”.  

W ramach platform takich jak vrClinicals for Nursing nauczyciele mogą analizować, jak studenci oceniają pacjentów, poruszają się po protokołach i zleceniach oraz przygotowują się do eskalacji opieki.  

„Czy dzwonią do osoby prowadzącej terapię?” — zapytała. „Czy mają dane potrzebne do wykonania tego telefonu, czy muszą wrócić i ponownie dokonać oceny?”  

W szczególności wskazała na wartość środowisk z wieloma pacjentami. „Możemy przyjrzeć się wzorcom ustalania priorytetów” — wyjaśniła. „Jak radzą sobie z zakłóceniami?” 

Dzięki rejestrowaniu tych wzorców za pomocą telemetrii IVR platformy takie jak vrClinicals dostarczają nauczycielom obiektywnych dowodów na to, jak uczący się rozpoznają sygnały, ustalają priorytety opieki, reagują na zakłócenia i zarządzają konkurującymi wymaganiami.

„Mamy jednego studenta, który powiedział: ‚Udało mi się odpowiedzieć na niektóre pytania na NCLEX dzięki George’owi [z scenariusza VR]” — podzieliła się. Takie przykłady pokazują, jak platformy takie jak vrClinicals wspierają głębsze zrozumienie i zastosowanie wiedzy. 

Wykorzystanie Modelu Pomiaru Osądu Klinicznego jako perspektywy 

Aby przekształcić dane telemetryczne w wnioski, dr Bradley podkreśliła znaczenie wspólnych ram odniesienia. Wykorzystuje Model Pomiaru Osądu Klinicznego do interpretacji zachowań uczących się w zakresie rozpoznawania sygnałów, analizowania informacji, ustalania priorytetów hipotez, podejmowania działań i oceny wyników.

„Telemetry nie interpretuje się samo” — wyjaśniła dr Bradley. „Potrzebujemy wspólnej perspektywy”.

W przypadku każdego scenariusza IVR edukatorzy muszą określić, które zachowania w tym kontekście świadczą o osądzie. Czy osoba ucząca się ponownie oceniła sytuację po interwencji? Czy właściwie eskalowała problem? Czy zmieniła priorytety opieki, gdy warunki uległy zmianie? 

Stosując to podejście, dr Bradley odkryła pewien wzorzec wśród osób mających trudności. „Po prostu ciągle ponownie oceniają i ponownie oceniają” — powiedziała. „Nigdy nie podejmują działania”. 

Ponieważ vrClinicals rejestruje czas i kolejność, takie wzorce stają się widoczne i możliwe do omówienia podczas omówienia po symulacji, a działania i przerwy w scenariuszu są projektowane zgodnie z Modelem Pomiaru Osądu Klinicznego.

Gdzie AI wpisuje się w tę trójcę 

AI pełni rolę wspierającą, pomagając edukatorom porządkować i interpretować duże ilości danych telemetrycznych generowanych przez immersyjne platformy VR, takie jak vrClinicals.

Ale AI nie zastępuje edukatorów pielęgniarstwa. „AI nigdy nie zastąpi myślenia pielęgniarskiego” — zauważyła dr Bradley. Podkreśliła, że osąd edukatora musi pozostać w centrum. 

Używana „z zabezpieczeniami”, AI pomaga edukatorom szybciej przejść od dowodów do działania. „Chcę wiedzieć dziś: jak poradzili sobie moi studenci?” — powiedziała dr Bradley. „Nie w przyszłym semestrze, nie w przyszłym roku, tylko ta grupa dziś.”

Analiza wspierana przez AI może ujawniać luki na poziomie kohorty, takie jak opóźnienia w eskalacji, pominięte kontrole bezpieczeństwa czy trudności z oceną wyników. Takie spostrzeżenia pozwalają edukatorom dostosowywać omówienie po scenariuszu, działania naprawcze, a nawet program nauczania niemal w czasie rzeczywistym.

„Czy [analiza] zmienia sposób, w jaki omawiam to następnym razem, gdy realizuję ten scenariusz? Czy może wskazuje, jak muszę dopracować materiały przygotowawcze albo coś, co muszą otrzymać przed kolejnym użyciem tego VR?” — wyjaśniła.

„Może po prostu wpisuje się to w nasz program nauczania, gdzie musimy coś powtórzyć” — dodaje. „Kształcenie oparte na kompetencjach nie jest czymś jednorazowym. Chcemy, aby ponownie wykazali kompetencje”. 

Wygrywająca trifecta 

Dr Bradley zakończyła sesję, wracając do celu. Celem pozostaje ocena kliniczna. Immersyjne platformy VR, takie jak vrClinicals for Nursing, zapewniają środowisko generujące bogate, obiektywne dowody dotyczące wyników pracy osoby uczącej się. AI pomaga edukatorom odpowiedzialnie interpretować te dowody.

Razem ocena kliniczna, immersyjne VR i AI tworzą potężną trifectę, która wspiera lepszą ocenę, trafniejsze decyzje dydaktyczne oraz poprawę efektów uczenia się u edukatorów pielęgniarstwa i ich studentów.