medigraphic.com
ISSN 0016-3813 (Impreso)

2013, Número 4

<< Anterior Siguiente >>

Gac Med Mex 2013; 149 (4)


Construcción y validación de un instrumento para evaluar ambientes clínicos de aprendizaje en las especialidades médicas

Hamui SA, Anzarut CM , de la Cruz FG, Ramírez ROF , Lavalle MC, Vilar PP

Idioma: Español
Referencias bibliográficas: 20
Paginas: 394-405
Archivo PDF: 107.25 Kb.


RESUMEN

Introducción: La educación en el ámbito clínico es una parte integral de la formación médica y sucede en el marco de ambientes de aprendizaje que son más o menos propicios. Objetivo: Construir y validar un instrumento específico para evaluar factores que influyen en un ambiente clínico de aprendizaje. Material y métodos: Se diseñó un cuestionario de respuestas tipo Likert que fue sometido a la validación de contenido y pruebas estadísticas para determinar sus propiedades psicométricas. El instrumento fue depurado y probado en dos ocasiones (un piloto de 112 casos y el estudio de 4,189 residentes del Plan Único de Especializaciones médicas [PUEM]), está conformado por 28 reactivos, distribuidos en cuatro dimensiones: relaciones interpersonales (RI), procesos educativos (PE), cultura institucional (CI) y dinámica del servicio (DS). Resultados: El α de Cronbach del cuestionario piloto completo después de la depuración de reactivos y del estudio de 4,189 casos fue de 0.94 y 0.96, respectivamente. El porcentaje de la varianza total explicada por el primer componente fue de 48 y 46%, respectivamente. Conclusiones: La confiabilidad y validez del cuestionario completo y por dimensión fue adecuada para evaluar ambientes clínicos de aprendizaje en contextos mexicanos y permite ubicar en rangos los servicios médicos especializados.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Isba R, Boor K. Creating a learning environment. In: Dornan T, Mann KI, Scherpbier A, Spencer J, eds. Medical education. Theory and practice. China: Churchill Livingstone - Elsevier. 2011. p. 99-114.

  2. Frenk J, Chen L, Bhutta ZA, et al. Health professionals for a new century: transforming education to strengthen health systems in an interdependent world. The Lancet Commissions. Lancet. 2010;29:1- 36 (on line).

  3. Cassar K. Development of an instrument to measure the surgical operating theatre learning environment as perceived by basic surgical trainees. Med Teach. 2004;26(3):260-4.

  4. Felleti GI, Clarke RM. Construct validity of a learning environment survey for medical schools. Educ Psychol Meas. 1981;41:875-82.

  5. Pololi L, Price J. Validation and use of an instrument to measure the learning environment as perceived by medical students. Teach Learn Med. 2000;12(4):201-7.

  6. Roff S, McAleer S, Skinner A. Development and validation of an instrument to measure the postgraduate clinical learning and teaching educational environments for hospital-based junior doctors in the UK. Med Teach. 2005;27(4):326-31.

  7. Boor K, Scheele F, Van der Vleuten CPM, Scherpbier AJJ, Teunissen PW, Sijtsma K. Psychometric properties of an instrument to measure clinical learning environments. Med Educ. 2007;41:92-9.

  8. Tojuda Y, Goto E, Otaki J, et al. Educational environment of university and non university hospitals in Japan. Int J Med Educ. 2010;1:10-4.

  9. Van der Hem-Stokroos HH, Daelmans HEM, Van der Vleuten CPM, Haarman JHTHM, Scherpbier AJJA. A qualitative study of constructive clinical learning experiences. Med Teach. 2003;25(2):120-6.

  10. Boor K, Scheele F, Van der Vleuten CPM, Teunissen PW, Der Breejen EME, Scherpbier AJJA. How undergraduate clinical learning climates differ: a multi-method case study. Med Educ. 2008;42:1029-36.

  11. Dornan T, Boshuizen H, King N, Scherpbier A. Experience-based learning: a model linking the processes and outcomes of medical students’ workplace learning. Med Educ. 2007;41(1):84-91.

  12. Fuller A, Unwin L, Learning as apprentices in the contemporary UK workplace: creating and managing expansive and restrictive participation. J Educ Work. 2003;16(4):407-26.

  13. Boor K. The clinical learning climate. Amsterdam: VU Medical Center; 2009.

  14. Tryfos P. Methods for business analysis and forecasting: text and cases. Vol 4. Toronto: John Wiley & Sons; 1998. p. 592. http://www.yorku.ca/ ptryfos/f1400.pdf.

  15. Efron B, Tibshirani R. Boostrap methods for standard errors, confidence intervals, and other measures of statistical accuracy. Statistical Science. 1986;1(1):54-77. http://matthieucheminresearch.mcgill.ca/ECON742/paper/ efron.pdf.

  16. Efron BA. The Jackknife, the Bootstrap, and other resampling plans. CBMSNSF Regional Conference Series in Applied Mathematics; 1982; p. 96.

  17. Chernick MR. Bootstrap methods: a guide for practitioners and researchers. John Wiley & Sons; 2007. p. 400.

  18. Flury B. Common principal components and related multivariate models. Wiley; 1988. p. 258.

  19. Mulaik SA. Foundations of factor analysis. Chapman & Hall/CRC; 2009. p. 548.

  20. Jolliffe IT. Principal component analysis. Springer; 2002. p. 487.




2020     |     www.medigraphic.com