Beyond Self-Selection: Precision Team Composition for Skill-Specific Learning in Disaster Nursing Simulation
本研究表明，在灾难护理模拟中，基于能力的团队组建所产生的学习效果等于或优于自选组建，且特定的构成模型对于不同的胜任力目标最为有效，从而在不损害参与者满意度的前提下，支持了精准教学设计的方法。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
当灾难来袭时，混乱与生存之间的区别往往取决于护士团队在压力下协作的能力。他们必须对伤员进行分诊，管理稀缺的物资，并在瞬息万变的环境中做出快速决策。为了应对这些时刻，医学院和医院会开展模拟真实危险场景的演习。一种流行的方法是“桌面演习”，即参与者围坐在桌旁，讨论灾难情景，并像在现场一样做出决策。多年来，教育工作者一直知道这些演习有助于学习，但一个关键问题一直悬而未决：这些团队应该如何组建？标准的做法是让护士自行选择队友，通常是选择他们已经熟悉的同事或朋友。这项研究旨在探讨这种熟悉的舒适感是否真的是最好的学习方式，或者通过一种更具计算性的方法，将不同经验水平的人进行混合，是否能产生更好的效果。
来自中国空军军医大学的研究团队开展了这项研究，旨在测试这一想法，研究对象是一组由264名注册护士组成的大型群体。他们想看看根据成员的具体技能和经验来组织团队，是否会比让护士自行组队带来更好的学习效果。为此，他们建立了一个系统，根据职称、从业年限和以往参与灾难演习的情况来衡量每位护士的“能力得分”。随后，他们将护士分为两个主要组别。一组被允许自行组建约12人的团队，就像往常一样；另一组则由研究人员进行分配，研究人员使用了六种不同的公式来混合护士。这些公式的范围从由少数专家带领众多初学者，到实现各级人员的均衡混合，以确保没有任何一个团队在技能水平上过于单一。
结果显示，两组人都学到了很多东西。培训结束后，每位护士都对自己在处理灾难任务（如建立分诊区或规划恢复工作）方面的能力感到更加自信。然而，由研究人员分配的团队比自行组队的团队学到的知识略多。这种差异在物流领域最为明显，物流涉及规划如何将物资和资源运送到需要的地方。分配组在这一领域的进步在统计学上显著优于自选组。这表明，当不同经验水平的人被迫在一起工作时，他们比那些可能思维方式过于一致的朋友团体更擅长解决复杂的规划问题。
研究还进行了更深入的探讨，观察了哪种特定的人员组合最适合哪种特定的技能。他们发现，并没有一种“完美”的团队构成可以适用于所有情况。对于学习如何快速且正确地对伤员进行分诊——这是一项需要速度和清晰流程的任务——拥有资深护士核心力量的团队效果最好。但对于学习如何规划灾后长期恢复工作——这需要从多个角度进行思考——一个专家与初学者完美平衡的团队是最有效的。这一发现挑战了“一种团队结构适合所有情况”的观点。相反，它表明最好的训练方式是将团队的构成与所教授的具体技能相匹配。
或许这项发现中最令人惊讶的部分是护士们对这一过程的感受。通常，人们担心被老师或管理者分配团队会让人感到受控或不公平，从而导致挫败感。然而，分配组的护士报告称，他们对培训的满意度和幸福感与自行挑选朋友的组别一样高。他们并未觉得这种结构化的方法破坏了他们的体验；事实上，研究人员观察到，这些分配组的沟通更顺畅，决策也更高效。研究结论认为，从容易的自我选择习惯转向更精确的、基于技能的组队方式，可以在不降低参与者满意度的前提下，使灾难培训更加有效。事实证明，对于高风险的学习而言，适度的精准混合比固守舒适区效果更好。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。