물리 치료에 대한 시뮬레이션 기반 교육 (SimFisio)

임상 시뮬레이션은 학생들의 자신감을 향상시키고 교실에서 얻은 기본 실용 기술의 통합뿐만 아니라 의사 소통, 협업 및 갈등 해결과 같은 "다 분야 기술"의 통합을 촉진하는 교육 도구로 나타났습니다.

EBS는 다양한 양식을 사용하여 접근 할 수 있으며, 이는 복잡성, 충실도 또는 현실주의 수준에 따라 분류되어 낮음, 중간 및 높은 복잡성의 세 가지 유형을 초래합니다. EBS의 모든 단계에서, 촉진자는 학습자를 계획하고 (사전 브리핑) 시뮬레이션을 수행하고 안전한 학습 환경을 확립하며 브리핑과의 반사를 용이하게합니다.

이러한 이유로, 2023-2024 학년도에는 EBS의보다 효과적인 개발을위한 도구와 전략을 제공하기 위해 물리 치료 학위 시뮬레이션의 촉진자에 대한 교육이 제공 될 것입니다.

방법론 연구 설계이 전향 적 준 실험적 연구는 설명 순차적 유형의 혼합 된 방법 론적 설계를 가지고 있으며, 여기서 두 단계는 차별화됩니다. 1) 첫 번째 단계에서 목표 1은 작동하고 정량적 설계를 가질 것입니다. 2) 두 번째 단계에서 목표 2는 작업 될 것이며 질적 디자인을 가질 것입니다. 두 단계 모두 보완됩니다.

연구 인구 연구 인구는 FCSB의 물리 치료 학위에서 2, 3, 4 학년 학생들이 될 것이며, 학위의 피험자 실습 I, III 또는 V에 등록되어 있으며 EBS를받은 사람뿐만 아니라 시뮬레이션에서 촉진자로서 역할을하는 그러한 주제의 튜터가 될 것입니다.

포함 기준 : a) 실습 I, III 또는 V 피험자에 첫 등록; b) 전체 EBS 세션의 완료.

제외 기준 : a) 피험자의 평가 부분에서> 5 등급을 얻지 못했습니다.

촉진자 인구에 대한 포함 및 제외 기준과 관련하여 :

포함 기준 : a) Practicum I, III 또는 V 대상의 시뮬레이션 촉진자.

제외 기준 : a) 두 교육 세션을 완료하지 않았습니다.

이것은 단일 그룹 준 실험적 연구이기 때문에 연구 인구에 무작위 배정 방법이 적용되지 않을 것입니다.

정량적 단계에 대한 채용 절차는이 프로젝트를 위해 준비된 정보 및 사전 동의 양식을 통해 구두로 및 서면으로 수행됩니다.

촉진자 인구의 경우, 동일한 설명 과정이 연구팀의 회원이 브리핑 세션에 적용되며 연구에 참여하기로 결정했는지 여부에 관계없이 유사 및 개인적으로 표시 할 QR 코드를 받게됩니다.

정 성적 단계에서는 편의 샘플링이 정량적 단계에 포함 된 학생들과 EBS를 복용 한 학생들에게 사용됩니다.

데이터 수집 단계 1 단계에서는 참가자가받을 QR 코드를 통해 Microsoft 365의 Forms 확장을 사용하여 정량적 데이터를 수집합니다.

변수 촉진 :

독립 변수 :

사회 인구 통계 학적 데이터 : 주제 (실습 I, III, V), 연령, 성별, EBS의 이전 교육. 이 변수는 기준선에서 수집됩니다.

EBS 교육 :

물리 치료 학위의 피험자 실습 I, III 및 IV의 교사를위한 2 일 동안 개입이 제안된다. 훈련의 맥락에서 개최되는 두 세션은 일반적인 목표를 갖습니다.

EBS를 적용하는 동안 학습을위한 촉진 행동을 선호합니다.

EBS의 올바른 기능을 위해 촉진자에게 도구와 전략을 제공합니다.

사전 확립 된 어려움에 따라 피험자 실습 I, III 및 V 사이의 EBS의 차이와 유사성을 확립하기 위해.

종속 변수 :

건강 시뮬레이션을위한 브리핑 (EDSS). 이 척도는 브리핑의 6 가지 핵심 요소의 분석 및 평가를 통해 경험적 맥락의 학습과 변화를 촉진하는 촉진자 행동을 평가합니다.

교수 자기 효능 척도를 통해 자기 효능을 가르치는 것. 학생과 교육 관행에서의 규모는 교실 관리에서 조정 및 인식 된 효능에 대한 인식 된 효능을 인식했다.

촉진자의 종속 변수는 세 가지 순간에 수집됩니다. 1) EBS 훈련을 수행하기 전에; 2) EBS 훈련이 끝나고 3) 해당 과정의 피험자 실습 I, III 및 V의 시뮬레이션 기간이 끝날 때.

학생 변수 :

독립 변수 :

사회 인구 통계 학적 데이터 : 주제 (실습 I, III, V), 나이, 성별, 건강 분야의 이전 업무 경험. 이 변수는 기준선에서 수집됩니다.

시뮬레이션 기반 교육 :

위에서 설명한 바와 같이, 실습 I, III 및 V 대상의 각 학생은 취한 대상의 맥락에 따라 시뮬레이션 세션을 수행합니다.

시뮬레이션은 시뮬레이션 중에 촉진자 역할을하는 동일한 UVIC 교사를 가진 5 명의 학생들로 구성됩니다. 각 시뮬레이션은 이전에 설명 된 세 단계 (사전 브리핑, 시뮬레이션 자체 및 브리핑)에 따라 적용되며, 다른 피사체 간의 진행은 이러한 단계에 더 중점을 둡니다.

실습 I : Prebriefing은 학생 그룹의 안전과 신뢰를 보장하기 위해 더 많은 가치가 있습니다. 시뮬레이션 자체는 두 명의 자원 봉사 학생이 개발했습니다. 브리핑은 사건의 결과에 따라 매우 요구되지 않고 더 짧아지고 목표는 조사됩니다. 그러나 과도한 깊이에 빠지지 않고 오류를 과소 평가하고 학생들의 학습을 과대 평가합니다.

실습 III : 사전 브리핑과 브리핑의 표현은 동일합니다. 시뮬레이션 자체는 단일 자원 봉사 학생이 개발했습니다.

실습 V : 사건의 요구를 증가 시켜서 그러한 광범위한 사전 브리핑을 수행 할 필요는 없지만 브리핑의 모든 부분을 검토하여 작업 할 목표를 강조합니다. 브리핑은 실제 임상 공간으로의 전달에 더 큰 부담을 주면서 더 까다 롭고 반사적이며 완전합니다. 시뮬레이션 자체는 1 명의 자원 봉사 학생 만 개발되었습니다.

종속 변수 :

학생들의 종속 변수 1, 2 및 3은 해당 과정의 실습 I, III 및 V 과목에서 EBS 기간 이전과 EBS 완료 후에 수집됩니다. 종속 변수 4 및 5는 해당 대상의 EBS 기간이 완료된 후에 만 ​​수집됩니다.

사용될 모든 설문지는 자체적으로 관리되며 스페인어로 관리됩니다.

학문적 상황에 따라 인식 된 자기 효능. 그것은 청소년 및 대학생의 교육적 맥락의 특정 상황에서 자기 효능 기대치를 측정하는 것을 목표로하는 10 가지 항목으로 구성된 AEPESA (Academic Pocientations) 척도의 특정 인식 된 자기 효능을 사용하여 평가 될 것입니다.

대학생의 학문적 헌신. Academic Context 설문지 또는 Utrecht Work Engagement Scale (UWES)에서 복지를 사용하여 평가됩니다. 다음 차원이 포함됩니다.

학업 활력, 학생들의 에너지, 탄력성 및 연구에 대한 노력을 기꺼이 측정합니다.

학업 헌신은 학생들의 심리적 참여와 연구에 대한 헌신을 평가합니다.

학업 흡수는 학생들의 연구에 완전히 몰입 할 수있는 능력을 측정합니다.

학생 만족도와 학습 (SCLC) 설문지를 사용하는 EBS에 대한 만족도와 자신감.

교육 관행에 대한 설문지 (EPQ-SP)를 통해 시뮬레이션에서 최고의 교육 관행에 대한 학생들의 인식.

2 단계에서는 질적 데이터가 온라인 포커스 그룹 인터뷰를 통해 수집됩니다.

연구원은 학생들에 대한 우월한 관계없이 선정 된 학생들에게 이메일을 통해 연락하여 단일 FG에 참여하도록 초대합니다.

모든 FG는 동일한 구조를 가질 것입니다. 1) 프리젠 테이션 및 소개, 참가자와 촉진자가 스스로 소개 할 것입니다. 2) 촉진자가 스크립트를 기반으로 유연한 방식으로 질문을하는 그룹 토론; 그리고 3) 결론과 폐쇄. 모든 FG는 비디오와 음성을 기록하여 데이터가 손실되지 않도록하고 연구원은 토론 중에 관찰 된 관련 측면을 기록합니다.

데이터 분석

1 단계. 정량 분석 ​​:

통계 분석의 경우 컴퓨터 프로그램 "사회 과학에 대한 통계 패키지"가 사용됩니다. 촉진자와 관련된 데이터의 분포를 분석하기 위해 Shapiro-Wilk 테스트 (P> 0.05)가 사용되고 학생 데이터에는 Kolmogorov-Smirnov 테스트 (P> 0.05)가 사용됩니다.

목표의 경우 1.1. 그리고 1.2., 설명 통계가 사용될 것이다. 데이터가 정규 분포를 따르는 경우, 반복 측정 ANOVA 분산 분석과 같은 파라 메트릭 테스트가 적용되어 연구 변수의 시간에 따른 변화를 평가할 것입니다. 다른 기간의 연구 변수의 변화를 평가하기 위해 관련 측정의 학생 T- 검정이 적용됩니다. Bonferroni 보정은 다중 비교를 위해 적용됩니다. 데이터가 정규 분포를 따르지 않는 경우 Friedmann의 ANOVA 및 Wilcoxon 서명 순위 테스트와 같은 비모수 적 테스트가 적용됩니다.

목표 1.3. 연구 변수에 대한 설명 분석이 수행됩니다.

2 단계. 질적 분석 :

이 경우 분석 할 데이터는 FG 기록의 전사입니다. 먼저, 음성 녹음은 구두로 전사됩니다. FG 중에 취한 메모는 "해설"으로 통합됩니다. 전사 과정에서 참가자의 식별 정보가 제거되고 데이터는 수치 코드를 사용하여 코딩됩니다. 각 FG에 대해 동일한 숫자 코드로 파일을 코딩 한 후 UVIC-UCC Office 365 서버에 저장됩니다. 코딩되면 성적표는 승인을 위해 참가자에게 전송됩니다. 참가자가 사본을 변경하는 것을 고려하면 면접관은 전사 승인을 얻을 때까지 데이터 검증 프로세스를 반복합니다. 승인되면 음성 및 비디오 녹화 파일이 삭제됩니다.

전체 질적 분석 프로세스는 Atlas.ti를 사용하여 수행됩니다. 소프트웨어. 첫 번째 단계에서는 모든 전 사체를 읽고 다시 읽어 데이터에 익숙해지며 기본 테마가 생성됩니다. 두 번째 단계에서는 기본 테마의 잠정 목록이 "코드"그룹으로 구성됩니다. 세 번째 단계에서는 코드가 분석을 위해 모든 전 사체에 적용됩니다.