Gå vidare till

Från bedömning till effekt: Användning av data för att coacha praktikredo sjuksköterskor


Kundberättelse

Lär dig hur University of Tennessee Knoxville använde data om sjuksköterskestudenters prestationer för att förbättra bedömningen, stärka beslut om läroplanen och bättre förbereda praktiskt redo sjuksköterskor.

 

Tennessee University nursing logo

Om

University of Tennessee Knoxvilles College of Nursing erbjuder innovativa simuleringsupplevelser för att träna psykomotoriska färdigheter, fysisk bedömning och klinisk vård som tillämpas i praktiken. Simulering ingår i varje klinisk kurs inom de grundutbildnings- och avancerade utbildningsprogrammen.

Dr. Susan Hébert

PhD, RN, CHSE
Biträdande dekan för simulering vid Sjuksköterskeprogrammet 
University of Tennessee Knoxville

Utmaningen:  

Ofullständiga data och begränsad insyn 

Dr. Susan Hébert och hennes team vid University of Tennessee Knoxville visste att de inte hade de fullständiga, tillförlitliga data de behövde för att fullt ut förstå studenternas progression mot kompetens.

 

Manuella arbetsflöden och pappersbaserade checklistor innebar:

  • Data måste matas in i Excel-ark för hand. ”Det var väldigt gammaldags”, sa Dr. Hébert.
  • Vissa utvärderingar var ofullständiga eller saknades.
  • Resultaten saknade ofta den detaljnivå som behövdes för att analysera prestation på en djupare nivå. 

 

De hade en uppfattning om var studenterna hade svårigheter—men utan konsekventa, detaljerade data var dessa insikter svåra att bekräfta eller agera utifrån. 
 

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

Stöd till fakulteten genom bättre tillgång till data 

Förändringen gjorde utvärderingsdata enklare att samla in och komma åt. Dr. Hébert berättade att data tidigare krävde manuell inmatning och hantering av stödpersonal.  

“Tidigare var det så att en utvärderingsspecialist med masterexamen och hennes assistenter matade in all data i ett kalkylblad. SimCapture har tagit bort en enorm mängd arbete från den gruppen människor.” 

Med SimCapture samlas data in i utvärderingsögonblicket och kan vid behov nås eller exporteras.  

“Det som händer nu är att så snart kurserna är avslutade laddar jag ner all data om mästarlärande och scenarioutvärdering som vi samlar in för programmets resultat,” säger hon. “Jag kan snabbt ladda ner det till kalkylblad.”

Detta gjorde det möjligt för fakultet och personal att lägga mindre tid på att hantera data och mer tid på att granska och använda dem för att stödja studenternas utveckling. 

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

Att säkerställa fullständiga data 

En av de tidigaste genombrotten kom från förbättrad datakompletthet. Med strukturerade utvärderingar kunde fakultetsmedlemmar inte längre skicka in delvis ifyllda checklistor. Detta minskade mängden saknade data och förbättrade den övergripande tillförlitligheten i utvärderingsresultaten.  

Denna förändring innebar att de data de granskade blev mer korrekta och användbara. För programmet markerade detta en vändpunkt. Utvärderingsdata kunde nu användas med förtroende för att bättre förstå studenternas prestationer. 

Table showing inter-rater consistency

Från datainsamling till beslutsfattande

När data väl blev tillförlitliga kunde Dr. Hébert och hennes team använda dem på mer meningsfulla sätt.

 

De kunde analysera data, inklusive:

  • Prestation i enskilda checkliststeg. ”En av de saker jag tycker bäst om att SimCapture kan samla in åt oss är att … jag kan visa vilken procentandel av studenterna som har utfört varje steg korrekt.”
  • Trender över studentkullar. ”Jag kan ta fram data som visar var våra styrkor och svagheter ligger som kull.”
  • Överensstämmelse mellan bedömare. ”Om någon frågar efter interbedömarreliabiliteten för en kurs eller utvärdering kan jag gå in i SimCapture och hämta den inom 5 minuter. Jag tycker att det är den bästa funktionen i det vi har kunnat göra.”

 

I stället för att förlita sig på manuella kalkylblad eller extern support kunde de snabbt få tillgång till den information som behövdes för att utvärdera prestationen.

Denna nivå av analys gjorde det möjligt för programmet att gå bortom att bara registrera resultat och i stället identifiera mönster i prestationer som kan vägleda undervisning och lärande.

Denna förmåga att analysera prestation på en djupare nivå skulle direkt leda till förändringar i läroplanen. 

 

Att omsätta insikt i förändringar av läroplanen 

Den verkliga effekten kom när data avslöjade tydliga mönster.

Över flera kullar, om studenter konsekvent presterade svagare i ett specifikt koncept inom ett viktigt scenario, kunde Dr. Hébert och teamet omedelbart ta itu med denna fråga.  

”Vi måste tänka på tillämpningen av koncept och kompetenser i vården, eftersom det är vad de flesta yrkesverksamma sjuksköterskor vid patientens sängkant gör”, förklarar hon.  

”Vi visste hela tiden att det fanns områden vi behövde fokusera på. Men nu när vi har data som visar det har det varit väldigt bra.” 

Hon och hennes team kan ta med sig dessa resultat till kursledare och läroplanskommittéer. Fakulteten svarar sedan genom att förstärka de koncept som studenterna har svårt att förstå, för att bättre anpassa undervisningen till den kliniska praktiken.  

Det som tidigare skulle ha varit en allmän oro kan nu bekräftas med tydliga, datastödda förbättringar som är utformade för att stärka hur studenter tillämpar färdigheter i kliniska miljöer.

”Vissa människor övertygas av data”, säger hon. ”Jag är en person som tänker kvantitativt. Därför har det varit så bra att ha dessa kvantitativa data. Det är verkligen de som vägleder [oss] nu.” 

”Det ger vår programverksamhet bättre vägledning än vi någonsin har kunnat göra tidigare.” 

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

Att förbättra studenternas beredskap genom medveten övning

Parallellt med att använda data för att informera programbeslut stärkte teamet hur studenternas kompetens utvecklas och utvärderas.

 

De implementerade strukturerade övningslabb för medveten träning där studenter:

  • Övar färdigheter före formell utvärdering
  • Arbetar självständigt medan fakulteten ger stöd
  • Går vidare mot slutliga avstämningar när de är redo  

 

Programmet fångar också upp flera utvärderingspunkter, inklusive upprepade försök när studenter behöver mer övning.  

SimCapture for Skills stödjer detta genom att möjliggöra att prestation dokumenteras över övnings- och utvärderingsaktiviteter samt genom att möjliggöra olika typer av bedömning under övning.

Inom dessa övningslabb för medveten träning deltar studenterna också i kamratbedömning genom att fylla i färdighetschecklistor tillsammans med varandra, medan fakulteten finns på plats för att observera prestationen och ge tillsyn vid behov.

Resultaten från övningslabben för medveten träning har varit starka. De flesta studenter klarar avstämningarna vid sitt första försök.  

Dessa strukturer hjälper till att säkerställa att studenterna är förberedda innan de når den slutliga bedömningen.

 

Att leda genom förändring

Dr. Hébert förklarar att meningsfull förändring krävde uthållighet. “Det tog oss två år att få det att hända,” delar hon. Införandet krävde tid, stöd och konsekvent ledarskap, särskilt när fakulteten anpassade sig till nya arbetsflöden och förväntningar.

“Det krävs någon som driver det och håller kursen,” säger hon.  

Genom att hålla fokus på det långsiktiga målet kunde programmet etablera konsekventa datarutiner mellan fakulteten. 

Viktiga slutsatser

  • Fullständiga, strukturerade utvärderingsdata möjliggör mer träffsäkra och användbara insikter om studenters prestationer.
  • Centralisering av simulerings- och färdighetsdata minskar den administrativa bördan och förbättrar lärarnas tillgång till information.
  • Tillförlitliga data gör det möjligt för utbildningar att identifiera prestationsmönster och genomföra riktade förbättringar av läroplanen.
  • Datadrivna insikter hjälper till att anpassa undervisningen till verklig klinisk praktik och stödjer beredskap för praktik.
  • Strukturerad avsiktlig övning säkerställer att studenter utvecklar kompetens innan en utvärdering med höga insatser. 

Du kanske också gillar...

Kontakta oss om kompetensbaserade utbildningslösningar

Dina personuppgifter hanteras varsamt enligt Laerdals integritetspolicy.

Dina personuppgifter hanteras varsamt enligt Laerdals integritetspolicy.