南达科他州立大学（SDSU）如何借助模拟洞察赋能基于胜任力的护理教育

SDSU将纸质评估转化为实时洞察，支持向胜任力教育的转变。

简介

南达科他州立大学（SDSU）在布鲁金斯、拉皮德城和苏福尔斯设有三个校区，提供标准BSN、加速BSN、RN to BSN、MSN、研究生证书、DNP及博士学位等项目。SDSU的模拟项目已获得医疗模拟协会（SSH）的核心与教学/教育项目的双重认证。

通过模拟引领胜任力教育转型

南达科他州立大学护理学院最近经历了一次重大变革：它将传统教育模式转换为严格的胜任力教育（CBE）模式。首批学生已于2025年秋季按照美国护理学院协会（AACN）的核心课程开始学习。

对于Alyssa Zweifel博士（南达科他州立大学医疗模拟中心助理教授兼总监）而言，向CBE的转型是在模拟基础之上的自然演进过程。

“我认为这非常棒，”Zweifel博士如此评价CBE，“它非常好地契合了我们在模拟教育中一直践行的模拟标准和理论。”

事实上，SDSU的核心模拟团队早已在胜任力导向的思维模式下运作——团队成员如今正作为更大范围的CBE学术专家组的一部分，贡献他们的专业知识。

A professional woman working at a desk with a large computer monitor in a modern office or clinical setting.

挑战

将评估数据转化为行动

由于胜任力教育（CBE）强调学生“能做什么”而不仅仅是“知道什么”，它需要从模拟中收集大量的形成性和总结性评估数据。这也意味着需要高效地解读所有这些模拟数据，以帮助制定教学策略——无论是在个体层面还是群体层面。

自然地，如何以有用的方式管理所有这些数据，对许多项目来说都是一个挑战——SDSU也不例外。

“我们过去是真的把模拟资料堆成一摞摞的,” Zweifel博士分享道，“我们有三个校区，他们都会把材料送到我这里。每学期末，我都要坐在一大堆纸质资料面前，统计所有数据以获取我们的评估结果。这至少要花费我40个小时。”

由于要到每学期末才会汇总分析评估数据，团队无法快速对课程问题做出反应。

Two healthcare professionals reviewing clinical data and performance trends on a large digital display.

解决方案

从纸堆到实时洞察

为了管理模拟生成的大量数据，Zweifel博士和她的团队决定开始使用SimCapture。这一模拟管理系统帮助他们评估学习者表现、收集绩效数据，并将其组织成有意义的洞察。

他们将SimCapture与Creighton能力评估工具^© （CCEI）配合使用。

关于CCEI

CCEI由克雷顿大学（Creighton University）的护理教育者开发，提供了一种可靠的、基于证据的方法用于评估临床能力——帮助弥合学术学习与临床实践之间的差距。

CCEI已更新至新版：CCEI 2.0。2.0版本更加侧重临床判断，并结合了美国国家护理委员会临床判断测量模型（NCSBN Clinical Judgment Measurement Model）。

该工具包含25个项目，从以下四个关键维度评估胜任力：

临床判断
沟通
质量与安全
职业素养

了解更多关于CCEI 2.0以及挪度如何与克雷顿大学合作扩大该工具应用范围的信息。

Zweifel博士和她的团队将CCEI上传至SimCapture。教师在模拟场景和复盘阶段填写评估表，SimCapture则存储所有数据并将其组织为可用的洞察内容。

A close-up view of a laptop screen displaying a reporting dashboard with performance metrics and data analysis.

结果

效率的显著提升

从纸质评估过渡到使用SimCapture和CCEI管理数据，为Zweifel博士及其团队带来了显著的效率提升。

Two nursing students practicing IV catheter preparation and insertion on a task trainer arm.

有意义的课程改进

SimCapture与CCEI的结合创造了一个强大的组合，产出了可付诸行动的洞察。

一个突出的例子来自该项目的第一批学生，他们采用了新的CBE课程。在第一学期的用药管理模拟结束后，模拟中心团队提取了SimCapture数据，以识别现有的全班趋势。

对“质量与安全”维度的结果分析揭示了在设备与器械管理方面存在差距。Zweifel博士发现，六个小组中仅有一组能够正确采用无菌技术连接静脉输液药物。

这一发现促使教学团队立即展开调查。问题最终被追溯至课程设置的不匹配——学生在技能实验室中没有足够的机会进行快速循环刻意练习，未能在模拟前掌握这项技能。

“难怪他们在静脉输液药物方面表现不好，未能达到那些安全指标——因为他们可能只练习了一次，”她解释道。

团队决定将模拟调整至学期末进行，以便学生能够获得更多的重复练习，然后再回来进行模拟。

数据的即时可用性让教师能够立即采取行动。“数据触手可及的帮助是巨大的，”Zweifel博士说。她指出，如果没有SimCapture，可能需要花费更长时间才能发现和解决这个问题。

个性化的学生支持

除了群体层面的洞察之外，SimCapture提供的数据还帮助Zweifel博士和团队更有效地评估个体学生的长期表现。通过审阅学生在多次模拟中的表现，教师可以精准定位在临床判断等关键领域的持续差距。这些数据为如何帮助学生进行补救提供了指导。

“我会深入挖掘[这些数据] …以帮助学生在整个模拟课程的学习过程中逐步达到胜任力水平，”她说。

运营与教师发展洞察

SimCapture数据的价值不仅限于学生表现和课程内容，还涉及关键的运营决策和教师评分一致性。

人员配置合理性论证。当 SDSU 的拉皮德城校区扩建模拟空间时，Zweifel博士需要提供佐证材料，申请增聘第二名模拟技术专员。她从SimCapture系统中调取了中心签到时长数据，证实拉皮德城校区的教学对接时长已达到其他校区的两倍，但人员配置反而更少。这些数据为拉皮德城校区增聘一名模拟技术专员的申请提供了充分依据。她特别提到，如果没有SimCapture，自己需要完成大量繁琐的后台手动统计工作，才能完成新岗位招聘的合理性论证。

评分者间的一致性。SimCapture的这项指标可帮助教师规范使用CCEI评估工具，系统会自动标记出中度或高度不一致的评分环节。这让Zweifel博士能够针对性地一对一解决教师间的评分一致性问题，或是对表述过于模糊的绩效指标（PIs）进行明确界定。例如，此前有一项绩效指标仅简单标注为“演示生命体征测量”，团队后续明确了考核规则：学生需要正确完成五分之三的生命体征测量，且必须涵盖特定的几项生命体征。

A nursing student practicing medical procedures on an arm simulator in a training environment.

通过快速循环刻意练习和同伴互学强化技能

为了帮助学生达到基础技能的掌握水平，Zweifel博士和她的团队采用了快速循环刻意练习（RCDP）框架：这是一种以学习者为中心的模型，能够揭示表现中的差距、识别需要反馈的领域，并提供多次机会来掌握一项技能。

他们将RCDP与SimCapture for Skills（一种数字化评估与评价解决方案）结合使用。通过SimCapture for Skills平台，学生独立练习并录制自己完成技能的过程，促进自我反思和评估。学生的录制视频也被分配給其他同学审阅，让他们能够相互提供建设性的同伴反馈。

SimCapture for Skills平台收集数据并帮助确定了基准。在尝试这种方法后，他们的一些发现包括：

✓将RCDP框架与同伴互学方法结合使用是有效的。数据显示，在第一学期教授的技能，在第二学期按掌握水平进行刷新和巩固，最终实现技能的保留。
✓学生对这种方法反应积极。他们重视重复练习的机会，并欣赏练习的自主性。许多学生表示他们“感觉自己像一名真正的护士”，并对自己完成护士所期望掌握的技能更有信心。