住培學員臨床教育環境簡化量表的開發研究

周振宇，虞 莉，艾則麥提·如斯坦木，邵洲力，何哲浩，吳益和，呂 望，胡 堅*

(1.浙江大學醫學院附屬第一醫院;2.杭州醫學院附屬浙江省人民醫院，浙江 杭州 310000)

教育環境，即在教育單位內所存在的與教育相關的一切主客觀條件，包括氛圍、文化、價值觀、資源、組織、帶教、人際等[1]。教育環境影響著醫學生的知識、技能、態度、行為與績效等各個方面。世界醫學教育聯合會早在1998年就強調了應將教育環境作為評價醫學教育項目的一個重要標準[2]。醫學教育環境測量工具(the Dundee Ready Education Environment Measurement，DREEM)是近年來廣泛應用的一個教育環境量表。尤其在亞洲及歐洲，在四分之三以上的相關研究中應用到了DREEM量表[3]。

然而在前期預試驗中，研究者發現在住培學員中施測DREEM量表的回收率不高，且部分存在“胡亂作答”現象。經過調研，部分學員認為該量表過于冗長，且部分條目并不貼近學員實際情況，由此引出本項研究。本研究通過多中心施測，統計篩選條目并建立結構方程模型，開發出一份適用于住培學員的簡化版DREEM量表。

一、對象和方法

(一)研究對象。

2018年10月至2019年9月于浙大一院等多家醫院多個科室輪轉的住培學員。在科室出科考試前發放量表二維碼。學員自愿完成作答。共收集有效答卷252份。

(二)研究工具。

本研究采用由中國醫科大學醫學教育研究中心漢化的DREEM量表作為研究工具。該量表分為學員對學習的認知(students’ perceptions of learning，12條目)、對教師的認知(students’ perceptions of teachers，11條目)、對氛圍的認知(students’ perceptions of the atmosphere，12條目)及學員在學業上的自我認知(students’ academic self-perception，8條目)和社會化的自我認知(students’ social self-perception，7條目)5個分量表，共計50個條目，其中9個條目為反向計分題。DREEM量表為典型的Likert五分量表，5個選項分別對應4分到0分，量表總分為0到200分。

(三)數據分析。

采用SPSS Statistics 25篩選條目。采用變異系數法，剔除變異系數小于0.250的條目；采用相關系數法，剔除與分量表分Spearman秩相關系數小于0.60的條目；采用逐步回歸分析法，剔除被回歸模型排除的條目；采用因子分析法，剔除各因子負荷系數小于0.500的條目。采用IBM SPSS Amos 26建立結構方程模型并優化。

二、結 果

(一)描述性統計。

研究共回收答卷292份，經篩選，其中有效答卷252份，有效回收率86.3%。學員的性別、年級、身份屬性分布見表1(部分數據未登記)。

表1 住培醫師的一般情況[n(%)]

統計各分量表得分如表2。

表2 各分量表平均分情況(分，

(二)條目篩選。

先后采用上述4種統計方法對原量表的50個條目進行初篩。變異系數法、相關系數法、因子分析法中分別剔除條目26條、7條、1條，余16條。

(三)結構方程模型。

輸入余16個條目數據，根據原量表結構構建初始模型。進行正交驗證性因子分析，優化模型適配度后所得的結構方程模型見圖1。模型的GFI=0.952，RMSEA=0.068。計算模型的信度與效度，其α=0.867，決定系數R2=0.851。模型對應的臨床教育環境簡化量表如圖2。

圖1 結構方程模型

注：*為反向計分題

三、討 論

本研究在不打破原量表結構化的基礎上對50條目DREEM量表基礎上進行簡化修訂。由于中文版DREEM量表是一份成熟應用的漢化量表，因此本研究省略了回譯法及德爾菲法(專家評分法)，直接采用變異系數法、相關系數法、回歸分析法和因子分析法進行條目篩選。經過篩選，有16個條目進入建模階段。

結構方程模型建立與優化的主要參考指標包括模型修正指標，即修正指數(modification index，MI)與臨界比率(critical ratio，CR)，以及模型適配度指標，即GFI值與RMSEA值。因本研究目的在于模型的簡化，因此以模型限制性修正為主，即修正指標主要考慮條目對應的CR值。最終，有11個條目被模型保留，即得到上述結構方程模型。值得一提的是，另外一組研究者直接將50個條目全部納入建模。雖然計算量較大，但最終得出的結構方程模型與上述模型完全一致。