大學生高仿真實踐學習策略量表的開發(fā)及信效度初步評價

，， ，，，

實踐教學是培養(yǎng)學生專業(yè)技術應用能力及分析問題和解決問題能力的重要途徑。解決護理實踐教學與臨床護理間的脫節(jié)、隔閡問題，縮短教學與臨床間距離，一直是護理專業(yè)實踐教學的重要訴求。高仿真模擬教學為解決這一問題提供了很好的改革方向。當前，高仿真模擬教學已應用于內科護理學、急救護理學等課程中[1-3]，利用其創(chuàng)設的高度仿真臨床情境，要求護生整合各學科專業(yè)知識，組織護理專業(yè)學生(以下簡稱護生)對模擬人進行正確診斷、治療和護理，有利于培養(yǎng)護生的綜合技能操作能力、臨床思維能力等[4-5]。但由于高仿真實踐涉及知識面廣、專業(yè)門類相對較多，對學生學習策略、團隊合作能力、分析問題能力等提出了較高要求。學習策略與學習任務密切相關，高仿真實踐過程中的學習策略問題在既往研究中還未得到足夠重視，開發(fā)具有針對性的高仿真實踐學習策略量表是評估和了解護生學習策略的重要基礎。本研究通過設計大學生高仿真實踐學習策略量表并對其信效度進行初步評價，以期為今后大學生高仿真實踐學習策略量表的測量提供參考。

1 對象與方法

1.1 研究對象

以某學校參與護理綜合實訓課程SimMan綜合模擬人實踐教學的312名護生為調查對象。全部調查對象中，自評學習成績很好者占4.5%，好者占14.4%，一般者占70.8%，不好和很不好者占10.3%；任學生干部者占36.5%，非學生干部者占63.5%；自評很熱愛專業(yè)者占14.1%，熱愛者占56.4%，一般者占28.2%，不熱愛和很不熱愛者占1.2%。

1.2 量表設計與評價

①大學生高仿真實踐學習策略量表概念分析：課題組首先對學習策略概念進行梳理，并結合高仿真實踐特點，將大學生學習策略界定為學習的信息加工策略、宏觀策略及情感策略；②建立大學生高仿真實踐學習策略量表條目池：參考楊易[6]開發(fā)的國內大學生學習策略使用量表，在前期對學習策略概念分析的基礎上，建立包括17個條目的條目池(條目池簡要內容見表1)；③形成大學生高仿真實踐學習策略初始量表：將各條目列為題干項，備選項設定為“完全不符合”到“完全符合”共5個Likert等級，分別賦值1分～5分，形成初始量表；④形成大學生高仿真實踐學習策略修訂量表：對312名護生實測后，利用探索性因子分析提煉量表結構因子，并根據(jù)各條目載荷情況進行項目篩選，最終形成修訂版量表。

1.3 其他研究工具

①學習風格問卷：采用Reid的感知學習風格調查問卷[7](Perceptual Learning Style Preference Survey, PLSPS)，結合SimMan綜合模擬人教學特點進行微調，刪除5個不適合條目，保留25個條目，實現(xiàn)對視覺學習風格、體驗學習風格、聽覺學習風格、群體學習風格、動手操作學習風格、獨立學習風格6種學習風格的測量。問卷在本次調查中Cronbach′s α系數(shù)為0.828；②課堂參與行為問卷：將高仿真模擬教學過程中的主動提問方式、發(fā)言情況作為課堂參與的外顯測量指標，這2個指標均包括對象(護生)、行動(課堂參與)、情境(高仿真實踐)、時間(課堂)4個元素(TACT元素)[8]，評分均采用Likert 4級計分法(從“經(jīng)?！钡健皬牟弧?，其Cronbach′s α系數(shù)為0.751。

1.4 資料收集與整理

取得被調查者知情同意后，于2017年3月—2017年5月采用團測方式進行數(shù)據(jù)收集。共發(fā)放問卷312份，回收有效問卷312份，有效回收率為100.0%。對問卷內容進行核對、整理，利用Excel建立數(shù)據(jù)庫。

1.5 統(tǒng)計學方法

利用SPSS 20.0進行數(shù)據(jù)分析，探索性因子分析采用主成分分析法，學習策略量表得分與學習風格、課堂參與行為相關性使用Pearson相關分析，以0.05為檢驗水準。

2 結果

2.1 大學生高仿真實踐學習策略量表的探索性因子分析

首先對包含17個條目的大學生高仿真實踐學習策略初始量表進行探索性因子分析。結果顯示：KMO值=0.913，Bartlett′s球形檢驗顯著(χ2=2 242.239，P<0.001)，提示其適合行探索性因子分析[9]。根據(jù)特征根及碎石圖提取3個公因子，條目5(認真聽講，不做與高仿真實踐內容無關的事)、條目7(花更多時間了解高仿真實踐討論的問題)在信息加工策略和情感策略2個公因子上載荷較相近(分別為0.306、0.398及0.439、0.424)，經(jīng)直交及斜交旋轉后因子載荷仍不佳，故將條目5、條目7刪除后行探索性因子分析，結果顯示：KMO值=0.905，Bartlett′s球形檢驗顯著(χ2=2 048.637，P<0.001)，共提取3個公因子，各條目公因子載荷均較理想(見表1)，根據(jù)公因子各條目內容，將其分別命名為信息加工策略、自評策略、情感策略，3個公因子累積方差貢獻率為59.867%。

表1 大學生高仿真實踐學習策略量表各條目公因子載荷

2.2 大學生高仿真實踐學習策略量表各因子的相關性(見表2)

表2大學生高仿真實踐學習策略量表各因子的相關性(r值)

項目信息加工策略自評策略情感策略信息加工策略1自評策略 0.6141)1情感策略-0.1241)-0.2561)1 1)P<0.05。

2.3 大學生高仿真實踐學習策略量表的效標關系效度分析

通過大學生高仿真實踐學習策略量表均分與學習風格、課堂參與行為的相關性驗證預定設想：學習策略與其學習風格、課堂參與行為均呈正相關。結果顯示：除獨立學習風格外，5種學習風格及課堂參與行為均與學習策略量表均分呈正相關，相關系數(shù)亦均有統(tǒng)計學意義(P<0.05)，詳見表3。

表3 大學生高仿真實踐學習策略量表均分與課堂參與、學習風格的Pearson相關系數(shù)

2.4 大學生高仿真實踐學習策略量表的Cronbach′s α系數(shù)與折半系數(shù)

大學生高仿真實踐學習策略修訂量表15個條目的Cronbach′s α系數(shù)為0.868，信息加工策略、自評策略、情感策略因子Cronbach′s α系數(shù)分別為0.870，0.848，0.457，量表整體折半系數(shù)為0.871。

3 討論

學習策略是學習的信息加工活動過程，是學習方法技能與學習調控技能的有機統(tǒng)一[6]。學習策略與具體的學習任務有關，自主學習策略是達成大學生學習績效的關鍵性路徑[10]。當前，對于大學生高仿真實踐學習策略還缺少科學的測量工具，無法診斷和評估大學生高仿真實踐的學習策略水平，亦無法對干預和訓練學習策略不良學生的效果進行評價。

本研究利用探索性因子分析提取大學生高仿真實踐學習策略量表的公因子，并根據(jù)條目分布內容，將其分別命名為信息加工策略、自評策略、情感策略。各條目在因子上的載荷為0.548，0.821，均大于0.5，3個公因子累積方差貢獻率為59.867%，3個公因子間相關系數(shù)均有統(tǒng)計學意義，表明量表具有較好的結構效度。

在因子結構上，實證所得3個公因子與量表開發(fā)階段將學習策略界定為學習的信息加工策略、宏觀策略及情感策略基本一致。其中，宏觀策略指高度概括化的、與學習有關的調控、修正、審核及自我評價[6]。但在本研究中高仿真實踐的宏觀策略更傾向于自我評價，因而將該因子命名為自評策略。自評策略反映了大學生對自身學習活動的評價和批判，是對其已有行為的反省、自我意識的反思，是自我認識和行為的統(tǒng)一[11]，這一策略對于當代大學生自主學習尤為重要。此外，情感策略也是本量表開發(fā)過程中強調的重點，是既往其他學習策略量表開發(fā)中常忽視的部分。情感策略是學生在認知學習過程中激發(fā)學習動機、培養(yǎng)學習興趣、集中和維持注意、調節(jié)情緒方面的策略，在一定程度上影響著學生的學習效果。高仿真實踐與傳統(tǒng)“示教-練習-回示”的實踐教學均不同，以本課程的SimMan綜合模擬人實踐教學為例，通過采用數(shù)字化電腦教學軟件，模擬人具備了“標準病人”的基本功能，可模擬出各種呼吸困難的氣道情況和不同呼吸音、心音、腸鳴音等，有超過2 500種心電圖，護生結合“角色扮演”和“案例情景”，對模擬人實施心電監(jiān)護、除顫、體外起搏、靜脈注射和導尿等技能練習，可以在無形中增加教學吸引力。因而量表條目池建立時包括了有關情感策略的內容，實證結果也最終將其納入到量表中。

此外，本研究利用大學生高仿真實踐學習策略與學習風格、課堂參與行為的相關性分析其效標關聯(lián)效度，實證結果顯示：在6種學習風格中，除獨立學習風格外，其他學習風格及課堂參與行為均與學習策略量表均分呈正相關(相關系數(shù)為0.311～0.477)，表明本次開發(fā)的學習策略量表具有較好的效標關聯(lián)效度。

在量表信度方面，最終得到15個條目的大學生高仿真實踐學習策略量表Cronbach′s α系數(shù)為0.868，信息加工策略、自評策略、情感策略因子Cronbach′s α系數(shù)分別為0.870，0.848，0.457，量表折半系數(shù)為0.871，表明量表各條目內在一致性較好。情感策略因子Cronbach′s α系數(shù)略低(0.457)，考慮與其條目少(3個)有關。Cronbach′s α系數(shù)是與條目數(shù)有關的函數(shù)，條目多少及被試對象異質性會影響Cronbach′s α系數(shù)大小[12]，本量表在開發(fā)時即將其設想為開發(fā)條目數(shù)不須過多的快速測量工具，這在一定程度上可能犧牲部分因子的信度因子值，如何改善這一問題尚需今后在工具使用過程中進一步研究。同時，本研究僅利用一次實證數(shù)據(jù)進行了探索性因子分析，因子結構是否恰當亦有待今后利用其他數(shù)據(jù)、通過驗證性因子等分析進行交叉驗證。