Praxisbericht
Das College of Nursing der University of Tennessee Knoxville bietet innovative Simulationstrainings zur Schulung psychomotorischer Fähigkeiten, körperlicher Untersuchungen und der klinischen Versorgung in der Praxis. Simulationen sind in jeden klinischen Kurs der Bachelor- und Masterstudiengänge integriert.
PhD, RN, CHSE
Assistant Dean of Simulation for the College of Nursing
University of Tennessee Knoxville
Die Herausforderung:
Dr. Susan Hébert und ihr Team an der University of Tennessee Knoxville wussten, dass ihnen die vollständigen und verlässlichen Daten fehlten, die sie benötigten, um die Entwicklung der Studierenden hin zur Kompetenz umfassend zu verstehen.
Manuelle Arbeitsabläufe und papierbasierte Checklisten führten dazu:
Das Team hatte zwar eine Vorstellung davon, wo Studierende Schwierigkeiten hatten. Ohne konsistente und detaillierte Daten ließen sich diese Erkenntnisse jedoch nur schwer bestätigen oder gezielt nutzen.
Die Lösung:
Das Team wusste, dass es ein effizientes, einheitliches System benötigte, um Leistungsdaten zu erfassen und zu analysieren, die dabei helfen, die Vorbereitung der Studierenden auf die Praxis gezielt zu verbessern.
Sie begannen mit der Nutzung von SimCapture, einem Simulationsmanagementsystem, das ihnen dabei half, Leistungsdaten effizienter zu verwalten. Zunächst nutzten sie die Daten aus ihren Simulationsszenarien. Später erweiterten sie den Einsatz auf die Bewertung im Skills Lab mit SimCapture for Skills und führten so beide Umgebungen in einem System zusammen.
Um die Lehrkräfte während der Umstellung zu unterstützen, schufen sie einen schrittweisen Übergang. Einige Lehrkräfte arbeiteten weiterhin mit laminierten Checklisten und übertrugen die Daten anschließend digital, während andere die Eingabe direkt in Echtzeit vornahmen.
Diese Flexibilität half dem Programm, den Wandel gemeinsam zu bewältigen und schließlich eine einheitliche Nutzung zu erreichen, wodurch eine konsistentere Datenerfassung sichergestellt wurde.
Die Umstellung machte Bewertungsdaten einfacher zu erfassen und zugänglich zu machen. Dr. Hébert berichtet, dass die Daten zuvor manuell erfasst und von Mitarbeitenden verwaltet werden mussten.
„Früher wurden alle Daten von einer Evaluationsexpertin mit Masterabschluss und ihren Assistentinnen in Tabellenkalkulationen eingetragen. SimCapture hat dieser Gruppe enorm viel Arbeit abgenommen.“
Mit SimCapture werden Daten direkt im Rahmen der Bewertung erfasst und können bei Bedarf abgerufen oder exportiert werden.
„Sobald die Kurse abgeschlossen sind, lade ich heute alle Daten zum Mastery Learning und aus den Szenariobewertungen herunter, die wir für die Programmergebnisse erfassen“, sagt sie. „Ich kann sie schnell in Tabellenkalkulationen exportieren.“
Dadurch konnten Lehrkräfte und Mitarbeitende weniger Zeit für die Datenverwaltung aufwenden und mehr Zeit dafür, die Daten auszuwerten und zur Förderung der Entwicklung ihrer Studierenden zu nutzen.
Einer der ersten großen Fortschritte bestand darin, die Vollständigkeit der Daten zu verbessern. Dank strukturierter Bewertungen konnten Lehrkräfte keine teilweise ausgefüllten Checklisten mehr einreichen. Dadurch verringerte sich die Anzahl fehlender Daten, und die Zuverlässigkeit der Bewertungsergebnisse insgesamt wurde verbessert.
Diese Veränderung führte dazu, dass die ausgewerteten Daten genauer und besser nutzbar wurden. Für das Studienprogramm markierte dies einen Wendepunkt. Die Evaluationsdaten konnten nun verlässlich genutzt werden, um die Leistungen der Studierenden besser zu verstehen.
Sobald die Daten zuverlässig verfügbar waren, konnten Dr. Hébert und ihr Team sie gezielter und aussagekräftiger nutzen.
Sie konnten unter anderem folgende Daten analysieren:
Anstatt auf manuell gepflegte Tabellen oder externe Unterstützung angewiesen zu sein, konnten sie schnell auf die Informationen zugreifen, die sie für die Leistungsbewertung benötigten.
Dieses Maß an Analyse ermöglichte es dem Studienprogramm, über die reine Dokumentation von Ergebnissen hinauszugehen und Leistungsmuster zu erkennen, die Lehre und Lernen gezielt verbessern können.
Die Möglichkeit, Leistungen detaillierter zu analysieren, führte direkt zu Anpassungen im Curriculum.
Der eigentliche Mehrwert zeigte sich, als die Daten eindeutige Muster sichtbar machten.
Wenn Studierende über mehrere Kohorten hinweg in einem bestimmten Konzept innerhalb eines zentralen Szenarios wiederholt schwächere Leistungen zeigten, konnten Dr. Hébert und ihr Team sofort darauf reagieren.
„Wir müssen darüber nachdenken, wie Konzepte und Kompetenzen in der Versorgungspraxis angewendet werden, denn genau das tun die meisten Pflegefachkräfte im klinischen Alltag“, erklärt sie.
„Wir wussten schon immer, dass es Bereiche gibt, auf die wir uns stärker konzentrieren müssen. Aber jetzt haben wir die Daten, die das belegen. Das ist wirklich hilfreich.“
Sie und ihr Team bringen diese Erkenntnisse in Gespräche mit Kursverantwortlichen und Curriculumsausschüssen ein. Die Lehrenden reagieren darauf, indem sie Konzepte, mit denen Studierende Schwierigkeiten haben, gezielt stärker im Unterricht verankern und die Lehre besser an der klinischen Praxis ausrichten.
Was früher lediglich eine Vermutung war, kann heute durch klare Daten bestätigt werden. Daraus entstehen gezielte Verbesserungsmaßnahmen, die die Anwendung klinischer Fähigkeiten in der Praxis stärken.
„Manche Menschen lassen sich durch Daten überzeugen“, sagt sie. „Ich bin ein sehr zahlenorientierter Mensch. Deshalb ist es so hilfreich, diese quantitativen Daten zu haben. Sie geben uns heute wirklich die Richtung vor.“
„Sie helfen uns dabei, die Anforderungen unseres Studienprogramms besser zu verstehen als je zuvor.“
Neben der Nutzung von Daten für Programmentscheidungen stärkte das Team auch die Entwicklung und Bewertung der Kompetenz der Studierenden.
Sie führten strukturierte Labore für gezielte Übung ein, in denen die Studierenden:
Das Programm erfasst zudem mehrere Bewertungszeitpunkte, einschließlich Wiederholungsversuchen, wenn Studierende zusätzliche Übung benötigen.
SimCapture for Skills unterstützt diesen Ansatz, indem Leistungen über Übungs- und Bewertungsaktivitäten hinweg dokumentiert werden können und unterschiedliche Bewertungsformen während der Übungsphasen ermöglicht werden.
Innerhalb dieser Labore für gezielte Übung führen die Studierenden außerdem gegenseitige Bewertungen durch, indem sie die Fertigkeiten ihrer Mitstudierenden anhand von Checklisten beurteilen. Die Lehrenden bleiben dabei anwesend, beobachten die Leistungen und greifen bei Bedarf unterstützend ein.
Die Ergebnisse dieser gezielten Übungslabore sind sehr positiv. Die meisten Studierenden bestehen ihre Kompetenznachweise bereits beim ersten Versuch.
Diese Strukturen tragen dazu bei, sicherzustellen, dass die Studierenden gut vorbereitet sind, bevor sie die abschließende Bewertung absolvieren.
Dr. Hébert erläutert, dass nachhaltige Veränderungen Ausdauer erfordern. „Es hat zwei Jahre gedauert, bis wir das umgesetzt hatten“, berichtet sie. Die Einführung erforderte Zeit, Unterstützung und eine konsequente Führung, insbesondere während sich die Lehrenden an neue Arbeitsabläufe und Erwartungen anpassten.
„Es braucht jemanden, der das vorantreibt und konsequent dranbleibt“, sagt sie.
Indem das Programm den langfristigen Zielen treu blieb, konnte es einheitliche Verfahren für die Datenerfassung und -nutzung unter den Lehrenden etablieren.
