卫生专业人员的数字教育:数字健康教育合作组织随机对照试验学习理论综述

简介

背景

数字教育是卫生专业教育中最流行和发展最快的教学方法之一。它利用信息和通信技术提供了广泛的干预方式，如计算机辅助学习、移动学习和基于数字模拟的学习，使个人能够以更大的个人控制，及时和具有成本效益的方式获得知识和技能[1，2］．美国庞大的全国医疗保健系统梅奥诊所报告说，国家支出的很大一部分(3至5年约10亿美元)用于数字医学教育[3.而其他发达国家也在遵循类似的发展趋势。尽管有如此巨大的投资，但缺乏足够的证据来支持数字干预对卫生专业教育的有效性[4］．进行良好的随机对照试验(rct)是评估干预措施有效性的最佳设计;这也适用于卫生专业教育中的数字教育干预。然而，在缺乏明确的理论基础来衡量学习成果的变化时，rct的方法学完整性可能会受到损害，从而削弱研究过程，并最终削弱结果的有效性[5-9］．

在数字教育设计中实施学习理论可以减少这种不确定性，因为它们提供了结构化的理论和实践基础，帮助教育者开发最相关和最有利于学生学习的课程、教学方法和评估[10，11］．学习理论还帮助学习者了解自己的学习过程，认识到确保短期和长期保持学习的方法，并参与有效的实践以实现预期的学习结果[12-14］．此外，学习理论为确保传统教育和数字教育的良好教学实践的教学策略提供了信息和启发，使教育者能够识别和理解知识获取的复杂性和特殊性，此外还为有效的课程设计和适当的学习结果测量提供了见解[15］．虽然有丰富的学习理论可以帮助指导和评估传统的教育设计，但这些理论在数字教育的发展中并没有得到一致的应用或实现[16］．如果没有强有力的学习理论基础或教学框架来指导或评估数字健康教育，其实现最佳学习结果的有效性是非常值得怀疑的[17，18］．事实上，越来越多的证据表明，基于理论的学习干预比非基于理论的干预有更大的影响[12，19-24］．

目标

对于卫生专业教育设计的数字干预整合教育理论的程度，缺乏研究。由于缺乏对学习者如何通过不同的数字方式获取知识的理解，因此在评估此类干预措施的有效性时，很难确定要衡量的适当结果。因此，本方法学综述旨在解决数字卫生专业教育中这一重要但经常被忽视的领域。我们对卫生专业教育中的数字干预进行了批判性分析，以确定在干预设计和评估中明确使用学习理论的程度，并检查这些理论是如何实施的。最后，在研究结果的基础上，我们提出了一个发展框架，用于在卫生专业数字干预设计中增强学习理论。

方法

确定干预方式

数字教育包括各种技术，如线下和在线基于计算机的数字教育、基于数字游戏的学习(DGBL)、大规模公开在线课程、虚拟现实(VR)、虚拟病人模拟(VPS)、心理运动技能培训师和移动数字教育[25］．在这项研究中，我们根据教育内容和交付方式的性质将数字教育分为三个大类。我们将使用在线模式的研究与使用离线模式的研究(如CD-ROM或通用串行总线棒)进行了分组online-offline干预措施。使用移动电话、平板电脑、个人数字助理和其他手持设备来传递教育内容的研究被归为移动数字教育干预措施。最后，将在学习干预中使用模拟的研究，如VR、VPS和DGBL归类为数字基于仿真的教育。

研究设计和数据来源

我们的研究是一项方法学综述，采用了定量和定性的评估方法。这项审查是数字卫生职业教育全球证据综合倡议的一部分[26］．使用以下数据库对1990年1月至2016年8月的数字健康教育随机对照试验和准实验研究进行了系统的文献检索:在线医学文献分析和检索系统(Ovid)， Medica数据库(Elsevier)， Cochrane对照试验中央登记(Cochrane图书馆，Wiley)， PsycINFO (Ovid)，教育研究信息中心(Ovid)，护理和相关健康文献累积索引(EBSCO)，以及Web of Science核心收藏(汤森路透;多媒体附件1)．

研究选择

通过数据库搜索，我们确定了2007年1月至2016年8月期间发表的874项关于数字教育不同领域的干预研究。我们只纳入《国际教育标准分类》卫生领域教育和培训(091)中所列的注册前和注册后卫生专业(联合国教育、科学及文化组织统计研究所，2013年)[27］．传统医学、替代医学和补充医学的学习者被排除在外。从这些研究中随机抽取25.2%(220/874)的方便样本，以了解数字教育干预中学习理论的报告模式。在方法学综述中，我们只选择了四分之一的研究，因为我们的目标是了解和确定报告的总体趋势，而且这种抽样方法在以前的教育干预方法学综述研究中被认为是充分和可行的[28］．我们还提取并纳入了随机选择的22项试点研究的数据，以理解和突出学习理论的报告风格。因此，本分析共使用了242项(220+22项先导研究)独特的研究。使用Microsoft Excel生成随机数。

数据提取

提取每项纳入研究的数据。我们通过试点测试开发了数据提取表单，并根据合作者的反馈对其进行了进一步的修改。我们提取了包括随机数、数字学习模式、第一作者、发表年份、研究标题、期刊名称、样本量、研究人群、环境、研究最初开展的国家、主要结果、测量仪器、测量仪器的验证以及纳入研究中提到的理论等信息。数据由第一作者(SB)提取，由第二作者(MS)验证，差异通过讨论解决，必要时由高级作者(AH)裁决。

理论识别与分析

本研究调查了在数字卫生专业教育的3种干预方式中报告的学习理论的使用。要判断是否使用了理论，必须满足3个标准。首先，任何在干预或学习评估设计中明确命名学习理论的研究都被认为是使用的理论。第二，任何描述在干预设计和学习评估中使用教学法和与学习理论相关的理论框架的研究都被认为是理论使用。第三，任何没有明确提到学习理论，但在干预设计和学习评估中明确使用了学习理论的研究都被认为是使用了理论。当一项研究仅仅提到它的干预或评价设计是基于教学或学习原则但没有命名该理论或描述其相关特征，不被认为使用了理论，因此被排除在本次审查之外。对于所使用的理论的决定是基于工作组在不确定性(SB, MS)情况下的共识。

统计分析

数据直接输入Microsoft Excel，然后清除无效的输入。分析大多是描述性的;我们将数据汇总为类别项目的频率和百分比，连续项目的中位数和四分位范围(IQR)。我们分析了之前在数据提取部分中描述的所有包含的数字学习干预措施的预定义研究特征。我们使用卡方检验和双面检验来量化关联P<。以05为有统计学意义。所有分析均使用Stata软件(version 14.0, StataCorp)进行。

结果

纳入数字教育干预研究的一般特征

我们评估了2007年至2016年间发表的242项研究，涉及数字卫生专业教育干预的3种模式:线上线下数字教育(154/242,63.6%)、移动数字教育(21/242,8.7%)和基于数字模拟的教育(67/242,27.7%;看到表1)．大多数研究发表于2012年至2016年(155/242,64.0%)，并在高收入国家进行，包括美国(102/242,42.1%)、英国(25/242,10.3%)、德国(14/242,5.7%)、加拿大(13/242,5.3%)和澳大利亚(11/242,4.5%)。大多数研究的研究人群为预注册卫生专业人员(148/242,61.1%)，研究规模的中位数(IQR)为72(43-120)。只有三分之一的研究(81/242,33.4%)提到任何类型的学习理论应用于干预设计。超过一半的研究(151/242,62.4%)使用未经验证的测量仪器来评估主要结果。大多数研究将知识(118/242,48.7%)、技能(62/242,25.6%)和绩效(59/242,24.4%)作为主要结果(图1)．测量结构的首选选择是自我报告的多项选择题(MCQs;69/242(28.5%)、问卷(66/242,27.3%)、量表(48/242,19.8%)、工具组合(18/242,7.4%)。然而，在一些研究中(17/242,7.0%)测量评估工具没有明确规定(多媒体附件2)．

‎ 查看此图

数字教育干预中报告学习理论的分类

在33.5%(81/242)报告学习理论的研究中，共有42个理论应用于数字卫生职业教育干预的设计(表2)．最常用的学习理论是基于问题的学习(16/ 81,20%)，社会学习理论(11/ 81,14%)，Mayer的多媒体学习认知理论(10/ 81,12%)和成人学习理论(8/ 81,10%)。此外，认知负荷理论(7/ 81,9 %)、Kirkpatrick框架理论(6/ 81,7 %)、认知学习理论(6/ 81,7 %)、建构学习理论(5/ 81,6 %)、Bloom分类学(5/ 81,6 %)、协作学习(5/ 81,6 %)、社会认知学习(4/ 81,5 %)等7种理论在不同的干预研究中被应用了5 - 7次。其余32个理论鲜有报道。在理论应用和整合方面，81项研究中有48项(59%)报告在数字教育项目设计中仅使用了1个理论，81项研究中有22项(27%)报告整合了2个理论，81项研究中有8项(10%)报告使用了3到6个理论来开发干预措施。

鉴于报告的理论数量庞大，我们进一步根据每个理论的性质和特点将其组织成一组主题类别。在42个确定的理论中，只有13个涉及特定的学习理论。其中，有7个理论属于认知主义，它关注的是学习者的内在心理活动和信息加工。此外，有3个理论被归为建构主义的范畴。其余3个理论是独立的特殊学习模型。在基于设计的学习下，共有9个理论被分类，它包括多种学习理论的组合，用于解释学习过程和教学实践。共有9个理论被归类为行为改变理论，解释与健康相关的行为和态度转变的过程。此外，有3个理论被归为社会科学范畴，3个理论被归为决策和治疗框架范畴，3个理论被归为学习风格范畴，2个理论被归为动机理论范畴。（多媒体)．

学习理论与学习特点及专题分析的比较

在发表年份、数字领域类型、研究环境、样本总体和样本量方面，是否报告使用学习理论的研究之间没有显著差异。然而，报告验证测量仪器的研究(χ²₁= 12.6;P=.006)，主要预后显著(χ²₁= 8.2;P=.002)与学习理论的报告(多媒体附件4)．

此外，专题分析显示，在81项报告学习理论的研究中，70%(57/81)的研究被判定在干预中相对清晰地使用了理论(多媒体)．在这57项研究中，27项研究清楚地描述了使用理论来开发教学设计，10项研究使用基于理论的评估工具来衡量学习成果，4项研究使用理论框架来评估学习系统，4项研究使用理论来证明其发现。另有4项研究仅将理论用于制定研究假设和目标，但未观察到效果。此外，其他7项研究只是简单地指出，在干预的概念化中使用了理论，而没有明确的描述，而1项研究报告了部分使用理论来开发干预。另一方面，81项研究中有7项(9%)报告了学习理论，但没有在方法中对理论可用性提供任何明确的解释，只在介绍和讨论部分提到了一个理论名称。此外，81项研究中有17项(21%)仅模糊或含蓄地命名了一种学习理论;因此，推理是在现有的理论描述的基础上使用。最后，从概念化到结果的总结，没有一项研究是完全基于学习理论框架的。

对不同数字模式的进一步研究显示，在离线-在线干预研究中(n=55)， 55项研究中有37项(67%)明确阐述了所使用的理论的目的，55项研究中有29项(53%)使用了有效的测量仪器来评估学习结果，55项研究中有17项(31%)报告了数字干预与传统学习方法相比的有效性。在移动数字干预研究中，所有纳入的研究(n=9)都讨论了所使用的理论的目的，3项研究使用了验证仪器来评估结果，2项研究报告了显著的结果。在基于数字模拟的干预研究(n=17)中，17项研究中有11项(65%)被判断为在干预中使用了理论，9项研究评估了暗示有效工具的结果，5项研究报告了具有统计学意义的结果(多媒体)．

讨论

主要研究结果

这是有史以来第一项全面回顾学习理论在数字卫生专业教育干预措施设计和评估中的应用的研究，包括基于在线-离线的教育、移动数字教育和基于数字模拟的教育方式。我们的分析强调了4个可能阻碍这一快速增长行业发展完整性的严重问题，包括(1)设计和实施数字卫生专业的教育干预措施，而没有整合适当的教学框架(161/242,66.5%)，(2)开发或支持教育干预措施的学习理论选择不当，(3)没有为不同的数字健康教育模式(如计算机辅助学习、网络学习、移动学习等)选择合适的理论;(4)不恰当地使用学习理论和未经验证的评估工具，导致学习结果不匹配。学习理论的缺乏和学习理论在卫生专业数字教育发展中的不恰当应用，阻碍了对该领域数字学习有效性的高质量研究。

具体而言，我们的研究结果表明，卫生专业教育的干预措施在课程设计、项目实施或学习评估中没有利用学习理论或教学框架。事实上，在我们的回顾中，只有三分之一的干预研究是基于学习理论的;然而，在许多情况下，理论应用的目的并不明确。这种现象可以用干预的意向性来解释。所有已发表的文章主要集中于科技对学习的应用及其效果，而不是在数码课程设计中仔细应用学习理论和教学法[18］．因此，大多数研究都是比较性质的，强调技术辅助教育与传统教育方法在产生学习成果方面的对比，忽略了在教育设计中适当使用学习理论[29，30.以及未能充分调查使数字教育有效的机制。

我们还发现，数字教育设计、实施和评估所需的学习理论和教学法的选择缺乏清晰度和解释。24］．理论选择不当可能是缺乏报告指南的结果[16］．鉴于现有文献中大量的学习理论具有重叠的特征，在考虑特定的学习者群体的同时，选择一种特定的理论来开发有效的课程可能会很困难[31，32］．同样重要的是要注意，尽管数字教育领域发展迅速，但还没有建立精确的学习理论来阐明数字教育的内部工作，这可能导致使用新技术来塑造数字教育的明显简化，而没有真正意识到它对学习和教学的影响[18，20.，33-35］．毫无疑问，我们迫切需要全面了解技术实力，并结合相关和精通的学习原则，以提高向数字学习者提供的教育质量。36，37］．

从我们的审查中得出的另一个重要发现是测量工具的不当选择和报告以及使用未经验证的仪器。虽然某些学习结果的心理或态度结构，如自我效能感，经常需要使用特定的自我评估工具，但验证并不总是可行或实际的。此外，未经验证的自我评估工具也因缺乏准确性而受到广泛批评[38］．因此，建议如果在教育干预时尚未对已建立的量表进行验证，特别是与心理和态度构念相关的验证，则需要在数据收集时进行验证性因素分析，以确保所使用仪器的效度和信度[39］．

此外，在我们的综述中，大多数研究将知识评估为主要结果，其次是技能和绩效。我们观察到在学习结果的选择、基础学习理论和用于评估学习结果的测量工具(测量工具;多媒体)．在大多数研究中，测量工具并不能充分符合所报告的学习理论的学习结果。例如，假设非标准化测试中的mcq(151/242, 62.4%)与评估事实回忆等较低认知过程密切相关，即使不是不可能，也是很难的[40，可以充分评估解决问题的能力、知识应用、动机、团队合作和创造力，所有这些都是我们回顾中最常报告的学习理论的主要学习结果。具体来说，基于问题的学习，是我们回顾中报道最多的学习理论，旨在培养团队合作和创造性的解决现实世界问题的能力[41];另一方面，社会学习理论，第二大被报道的理论，旨在产生行为上、动机上和态度上的变化[42];最后，梅耶尔的多媒体学习认知理论，是第三个被报道最多的理论，旨在增强信息处理和创造性思维[43］．由于学习结果以各种方式被使用和解释，选择一个适当的、有效的、基于理论的工具是很重要的，它基本上评估了它打算评估的内容。44］．数字卫生专业教育中的不良评估过程可能会影响课程设计，误导学习结果[24，并导致不良的临床实践，最终危及病人的护理。

值得注意的是，我们的综述显示了学习理论的应用、所使用仪器的有效性和主要结果的统计学意义之间的显著相关性。结果显示，未应用学习理论的研究(110/ 161,68.3%)使用验证过的测量仪器的可能性显著降低。同样，在大多数应用学习理论和验证评估工具的研究(52/ 81,64%)中，主要结果具有统计学意义。此外，超过一半的研究报告了未经验证的评估工具，可能表明对效度理论的理解不足(即，什么构成有效的结果测量)，以及在医学教育中效度和信度的背景化和应用不足[45］．因此，当研究以适当的理论或教学框架开始时，从假设到测量结果的干预设计可以得到改进。

本研究的局限性

尽管报告了重要的发现，但这篇综述有一些局限性。首先，这不是对数字学习中使用的理论的系统回顾，这可能会增加错过与该主题相关的一些重要研究的可能性。其次，我们只回顾了三种模式中四分之一的已发表研究;然而，数字学习包括各种模式，但可行性限制不允许我们包括所有来自不同数字教育模式的已发表研究。尽管如此，未来的研究可能会集中在这些问题上，包括适当的理论报告和评估的测量工具。鉴于数字教育的多模式性质，建议除非我们有坚实的理论指导方针来发展、实施和评估，否则我们不太可能实现预期的学习目标[16］．

‎ 查看此图

理论-技术对齐框架

在数字教育中适当应用学习理论对确保课程完整性至关重要，对取得成功的学习成果至关重要[46，47］．因此，我们概述了一个理论-技术对齐框架(TTAF)，为卫生专业人员数字教育的发展提供信息(图2)．在设计教、学和评估活动的常规做法中[48]，教育工作者从一套预期学习成果他们希望学生在完成教育和培训后能够获得。在这些结果的基础上，他们继续课程设计通过整合各种教与学的活动，他们相信会导致预期的学习结果，然后评估和评价建立程序来评估学生是否达到预期的结果，以及评估表现的标准。我们认为，这种被广泛采用的做法被称为建设性结盟[49在数字教育设计的背景下过于简单，忽略了学习过程、技术和教学实践之间错综复杂的联系和相互作用。我们建议，为了通过数字教育实现全面的学习体验，预期的学习结果和课程设计必须由适当的教师告知和协调学习理论基础，其中包括最相关的学习理论的集合，以确保有效地选择和应用教与学活动。这将使教育工作者能够更好地理解和创造一个有益的教学框架和有效的学习环境，以帮助学生取得成功。一旦清晰地描绘和建立了合适的教学框架和学习环境，就可以使用适当的方法来加强它们技术辅助教学，它有效地结合和支持学习理论基础和课程设计，以开发理论驱动的评估和评估，根据最初预期的学习结果充分衡量学生的表现。

将TTAF付诸实践，针对医学实习生的数字教育干预可能会实现预期学习成果(1)循证临床诊断与(2)基于团队的问题解决。为了达到这些结果，人们可以应用学习理论基础将基于团队的学习理论与梅耶尔的多媒体学习认知理论相结合课程设计．这可能包括教学指导，利用视觉和听觉信息处理，在基于团队的环境中做出正确的患者诊断。此外，还有一套理论相辅相成的教学活动技术辅助教学，例如使用数字病人记录，包括医疗图表、x光片和计算机断层扫描，再加上病人入院评估和医患沟通的录音，可用于促进初步预期的学习结果。此外，还可以为课程讲师创建一个内置监控和反馈机制的在线讨论论坛，供学员小组讨论他们所拥有的数字患者医疗信息，并分享他们对问题的分析，共同诊断;这将有助于促进第二个预期的学习结果。有了这种课程设计与技术辅助教学法的结合与整合，一种合适的评估和评价可以制定方案，以确保所有预期的学习成果都得到适当的评估。为了评估第一个结果，可以通过简答题和高阶mcq来评估学员个人对数字患者医疗信息在临床诊断中的理解和应用，测试信息分析和知识应用的认知过程。为了评估第二个结果，可以通过刺激的在线临床会议，对基于团队的讨论进行持续监测，以及对团队过程的书面反映进行评估，以及基于团队的解决问题的能力。

简而言之，我们建议不要把技术放在数字教育的中心，而是必须从学习理论和教育学的根本开始。因此，TTAF可用于设计有效的数字教育干预措施。

结论

我们的研究强调了数字卫生专业教育研究及其不同模式中的许多问题，为未来的研究打开了大门。这个多方面的问题可以通过有效地利用适当的学习理论来解决，以促进预期结果、课程设计、教学活动和相关计算机辅助技术的评估之间的更强整合。迫切需要使用清晰的理论框架、明确的结果和具有充分有效性证据的标准化评估工具进行高质量的数字研究，并在方法上进行适当的报告。我们的综述为研究人员、教育工作者、政策制定者和项目设计者提供了一个重要的指导方针，以制定一种有效的干预措施来培训卫生专业人员，如果能够熟练地应用，它将通过解决当前干预研究中存在的各种方法缺陷，从而有助于推进医学教育中的数字研究领域。