Przejdź do treści

Od ewaluacji do wpływu: wykorzystywanie danych do przygotowania pielęgniarek gotowych do pracy praktycznej


Historia klienta

Dowiedz się, jak University of Tennessee Knoxville wykorzystał dane o wynikach studentów pielęgniarstwa, aby usprawnić ocenianie, wzmocnić decyzje dotyczące programu nauczania i lepiej przygotować pielęgniarki i pielęgniarzy gotowych do praktyki.

 

Tennessee University nursing logo

O

Kolegium Pielęgniarstwa Uniwersytetu Tennessee w Knoxville oferuje innowacyjne doświadczenia symulacyjne, aby szkolić umiejętności psychomotoryczne, ocenę stanu fizycznego oraz opiekę kliniczną stosowaną w praktyce. Symulacja jest włączona do każdego kursu klinicznego w ramach programów studiów licencjackich i magisterskich.

Dr Susan Hébert

dr n. med., RN, CHSE
zastępczyni dziekana ds. symulacji w College of Nursing 
University of Tennessee Knoxville

Wyzwanie:  

Niekompletne dane i ograniczona widoczność 

Dr Susan Hébert i jej zespół na University of Tennessee Knoxville wiedzieli, że nie dysponują pełnymi, wiarygodnymi danymi, których potrzebowali, aby w pełni zrozumieć postępy studentów w osiąganiu kompetencji.

 

Ręczne procesy i papierowe listy kontrolne oznaczały:

  • Dane trzeba było ręcznie wprowadzać do arkuszy Excela. „To było bardzo staroświeckie” — powiedziała dr Hébert.
  • Niektóre oceny były niekompletne lub brakowało ich wcale.
  • Wyniki często nie zawierały szczegółów potrzebnych do analizy osiągnięć na głębszym poziomie. 

 

Mieli przeczucie, gdzie studenci napotykali trudności — ale bez spójnych, szczegółowych danych potwierdzenie tych spostrzeżeń i podjęcie działań było trudne. 
 

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

Wspieranie kadry dydaktycznej poprzez lepszy dostęp do danych 

Zmiana sprawiła, że dane z oceny były łatwiejsze do gromadzenia i uzyskiwania do nich dostępu. Dr Hébert powiedziała, że wcześniej dane wymagały ręcznego wprowadzania i zarządzania przez personel wsparcia.  

„Kiedyś specjalistka ds. oceny z tytułem magistra i jej asystenci wprowadzali wszystkie dane do arkusza kalkulacyjnego. SimCapture odciążył tę grupę ludzi od ogromnej ilości pracy.” 

Dzięki SimCapture dane są rejestrowane w momencie oceny i w razie potrzeby można je uzyskać lub wyeksportować.  

„Teraz wygląda to tak, że po zakończeniu kursów pobieram wszystkie dane dotyczące uczenia się opartego na opanowaniu materiału oraz dane z oceny scenariuszy, które gromadzimy na potrzeby wyników programu,” mówi. „Mogę je szybko pobrać do arkuszy kalkulacyjnych.”

Dzięki temu kadra dydaktyczna i pracownicy poświęcali mniej czasu na zarządzanie danymi, a więcej na ich analizę i wykorzystywanie do wspierania rozwoju studentów. 

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

Zapewnienie pełnych danych 

Jednym z pierwszych przełomów było usprawnienie kompletności danych. Dzięki ustrukturyzowanym ocenam członkowie wydziału nie mogli już przesyłać częściowo wypełnionych list kontrolnych. Zmniejszyło to liczbę brakujących danych i poprawiło ogólną wiarygodność wyników ocen.  

Ta zmiana oznaczała, że analizowane dane stały się dokładniejsze i bardziej użyteczne. Dla programu był to punkt zwrotny. Dane z oceny można było teraz wykorzystywać z pełnym zaufaniem, aby lepiej rozumieć wyniki studentów. 

Table showing inter-rater consistency

Od gromadzenia danych do podejmowania decyzji

Gdy dane stały się wiarygodne, dr Hébert i jej zespół mogli wykorzystywać je w bardziej znaczący sposób.

 

Mogli analizować dane, w tym:

  • Wyniki poszczególnych kroków listy kontrolnej. „Jedną z moich ulubionych rzeczy, które SimCapture może dla nas zebrać, jest to, że mogę pokazać, jaki odsetek studentów wykonał każdy krok poprawnie”.
  • Trendy wśród grup studentów. „Mogę pobrać dane, aby pokazać, jako grupa, gdzie leżą nasze mocne i słabe strony”.
  • Spójność między oceniającymi. „Jeśli ktoś poprosi o zgodność oceniania między oceniającymi dla kursu lub ewaluacji, mogę wejść do SimCapture i uzyskać to w ciągu 5 minut. Myślę, że to najlepsza funkcja tego, co udało nam się zrobić”.

 

Zamiast polegać na ręcznych arkuszach kalkulacyjnych lub zewnętrznym wsparciu, mogli szybko uzyskać dostęp do informacji potrzebnych do oceny wyników.

Taki poziom analizy pozwolił programowi wyjść poza samo rejestrowanie wyników i zacząć identyfikować wzorce w osiągnięciach, które wspierają nauczanie i uczenie się.

Ta możliwość głębszej analizy wyników bezpośrednio doprowadziła do zmian w programie nauczania. 

 

Przekuwanie wniosków w zmiany programu nauczania 

Prawdziwy wpływ pojawił się wtedy, gdy dane ujawniły wyraźne wzorce.

W różnych rocznikach, jeśli studenci konsekwentnie osiągali słabsze wyniki w określonym obszarze w kluczowym scenariuszu, dr Hébert i zespół mogli natychmiast zareagować na tę kwestię.  

„Musimy myśleć o zastosowaniu pojęć i kompetencji w opiece, ponieważ właśnie to robi większość pielęgniarek praktykujących przy łóżku pacjenta” — wyjaśnia.  

„Od dawna wiedzieliśmy, że są obszary, na których musimy się skupić. Ale teraz, gdy mamy dane, które to pokazują, to naprawdę świetne”. 

Ona i jej zespół mogą przedstawić te ustalenia kierownikom kursów i komisjom ds. programu nauczania. Kadra dydaktyczna reaguje następnie, wzmacniając te pojęcia, z którymi studenci mają trudności, aby lepiej dopasować nauczanie do praktyki klinicznej.  

To, co kiedyś byłoby ogólną obawą, można potwierdzić za pomocą jasnych, opartych na danych działań usprawniających, zaprojektowanych tak, aby wzmocnić sposób, w jaki studenci stosują umiejętności w warunkach klinicznych.

„Niektórych przekonują dane” — mówi. „Ja jestem osobą nastawioną na liczby. Dlatego tak dobrze jest mieć te dane ilościowe. To naprawdę teraz nami kieruje”. 

„Lepiej niż kiedykolwiek wcześniej pokazują nam, czego potrzebuje nasz program”. 

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

Poprawa gotowości studentów poprzez celową praktykę

Oprócz wykorzystywania danych do podejmowania decyzji dotyczących programu, zespół wzmocnił sposób rozwijania i oceniania kompetencji studentów.

 

Wdrożyli ustrukturyzowane laboratoria celowej praktyki, w których studenci:

  • Ćwiczą umiejętności przed formalną oceną
  • Pracują samodzielnie, podczas gdy kadra zapewnia wsparcie
  • Postępują do końcowych zaliczeń, gdy są gotowi  

 

Program rejestruje także wiele punktów oceny, w tym ponowne podejścia, gdy studenci potrzebują dodatkowej praktyki.  

SimCapture for Skills wspiera to, umożliwiając dokumentowanie wyników zarówno podczas ćwiczeń, jak i ocen oraz pozwalając na stosowanie różnych rodzajów oceniania w trakcie praktyki.

W tych laboratoriach celowej praktyki studenci angażują się również w ocenianie wzajemne, wypełniając nawzajem checklisty umiejętności, podczas gdy kadra pozostaje obecna, aby obserwować wykonanie i zapewniać nadzór w razie potrzeby.

Rezultaty laboratoriów celowej praktyki są bardzo dobre. Większość studentów zalicza sprawdziany już przy pierwszej próbie.  

Takie struktury pomagają upewnić się, że studenci są przygotowani, zanim przystąpią do końcowej oceny.

 

Przewodzenie w obliczu zmian

Dr Hébert wyjaśnia, że znacząca zmiana wymagała wytrwałości. „Zajęło nam dwa lata, żeby to zrealizować” — mówi. Wdrożenie wymagało czasu, wsparcia i konsekwentnego przywództwa, zwłaszcza gdy kadra dostosowywała się do nowych procesów i oczekiwań.

„Musi być ktoś, kto to poprowadzi i nie zejdzie z obranej drogi” — mówi.  

Dzięki utrzymaniu koncentracji na długoterminowym celu program był w stanie ustanowić spójne praktyki dotyczące danych wśród kadry. 

Najważniejsze wnioski

  • Kompletne, uporządkowane dane z ocen umożliwiają dokładniejsze i bardziej przydatne spostrzeżenia dotyczące wyników studentów.
  • Centralizacja danych z symulacji i umiejętności zmniejsza obciążenie administracyjne i poprawia dostęp kadry do informacji.
  • Rzetelne dane pozwalają programom identyfikować trendy w wynikach i wprowadzać ukierunkowane usprawnienia programu nauczania.
  • Wnioski oparte na danych pomagają dostosować nauczanie do rzeczywistej praktyki klinicznej, wspierając gotowość do pracy.
  • Ustrukturyzowana, celowa praktyka zapewnia, że studenci budują kompetencje przed oceną o wysokiej stawce. 

Może Ci się również spodobać...

Skontaktuj się z nami w sprawie rozwiązań edukacyjnych opartych na kompetencjach

Państwa dane kontaktowe będą traktowane z należytą starannością, zgodnie z Polityką Prywatności Laerdal.

Państwa dane kontaktowe będą traktowane z należytą starannością, zgodnie z Polityką Prywatności Laerdal.