《Nurse Education Today》:Technostress and learning burnout among nursing students: The protective roles of academic self-efficacy and psychological resilience – A cross-sectional study
编辑推荐:
•评估了1277名护生的技术压力与学习倦怠•技术压力在基线心理资本之上直接预测学习倦怠•学业自我效能感调节技术压力与学习倦怠之间的关系•Johnson-Neyman分析将显著性边界设定在?27.62(涵盖97.73%的学生)•强调需要将个人自我效能支持与数字平台优化相结合引言
- •
评估了1277名护生的技术压力与学习倦怠
- •
技术压力在基线心理资本之上直接预测学习倦怠
- •
学业自我效能感调节技术压力与学习倦怠之间的关系
- •
Johnson-Neyman分析将显著性边界设定在?27.62(涵盖97.73%的学生)
- •
强调需要将个人自我效能支持与数字平台优化相结合
引言
数字教育工具、虚拟仿真和电子能力平台已成为现代护理教育的核心组成部分(Chen and Zhang, 2021; Labrague, 2021)。在当代医疗教育中,护理本科生通过一个多层级的技术生态系统推进学习进程。在校内,学生通常依赖学习管理系统(LMS,如Canvas/Moodle)和移动参考应用程序完成理论课程学习(Upadhyaya, 2021)。在进入医院病房之前,他们在模拟实验室中进行广泛的临床前训练(累计32至48个接触学时),使用计算机化高仿真患者模型和虚拟仿真工具。
然而,转入初期临床实习使学生面临紧迫的实时技术需求。在快节奏的病房环境中,学生必须在时间紧迫的情况下完成强制性的实时电子病历(EMR)记录,导航复杂的医院信息系统(HIS),并操作条码药物管理(BCMA)扫描仪。当学生在这些早期轮转期间频繁应对未优化的软件界面、僵硬的数字评估和不断的虚拟警报时,他们会经历严重的认知疲劳(Rios-Risquez et al., 2016)。
技术压力通常被定义为个体因无法以健康方式适应或应对计算机技术而产生的负面心理状态(Brod, 1984; Salanova et al., 2013; Tarafdar et al., 2007)。技术压力通常表现为技术过载、技术侵入和技术复杂性(Ayyagari et al., 2011; Ragu-Nathan et al., 2008),已成为医疗课程中学生适应的实质性障碍(Qi, 2019)。如果不加以管理,这种压力会消耗个人精力,直接引发学习倦怠——一种情感耗竭、学术疏离和专业信心降低的状态(Maslach et al., 1996; Schaufeli et al., 2002)。由于学习倦怠威胁到临床技能掌握并增加流失率(Rudman and Gustavsson, 2012),了解潜在的缓冲因素是护理教育工作者的重要优先事项。
工作要求-资源(JD-R)框架为理解学生群体如何处理这些学业压力源提供了坚实的理论平台。在这一范式下,技术压力作为环境需求消耗心理能力,而内部心理资本则作为关键的个人资源发挥作用。学业自我效能感和心理韧性代表了该框架下的两个核心个人资产。先前的实证文献已经确立,韧性个体在压力下保持情绪稳定,而自我效能感高的学生表现出更高的认知信心来掌握困难的临床要求。因此,高水平的韧性和自我效能感与较低的基线倦怠指标持续相关。
然而,现有的健康教育研究中仍然存在两个理论和方法学上的局限性。第一,大多数研究将内部个人资源纯粹视为线性、主效应的预测变量。这种方法忽视了内部认知资产(如学业自我效能感)如何与外源性数字压力动态交互,从而改变压力-倦怠之间的关系。虽然自我效能感可以直接降低倦怠,但它是否在结构上减弱或加剧了技术压力对倦怠的预测斜率,仍需精确的实证检验。第二,现有的调节研究主要依赖于任意的分组方法(如均值±1个标准差的简单斜率)。这些传统方法仅在少数孤立点评估交互效应,无法确定心理资源保持统计保护作用的连续范围和精确实证阈值。
为解决上述局限性,本研究使用1277名护理学生的大型代表性样本,建立了一个综合预测框架和专门的PROCESS模型1调节模型。除了通过层级回归分离增量方差外,本研究还整合了简单斜率评估与Johnson-Neyman(J-N)连续显著性边界区域计算,以评估连续调节动态。此外,根据现代报告指南和编辑关于明确观察性研究设计的建议(Kenny, 2023),本研究明确阐述其横断面研究框架。通过映射学业自我效能感发挥作用的精确连续范围,本研究旨在完善理论资源分配模型,并为护理教育工作者提供可操作的指导。
基于上述理论基础,我们提出以下假设:
假设2(H2)
学业自我效能感和心理韧性在基线人口统计学控制变量之外,对学习倦怠解释显著增量方差。
假设3(H3)
学业自我效能感显著调节技术压力与学习倦怠之间的关系,其调节作用在自我效能感连续体上的明确定义连续边界区域中保持稳健。
章节摘要
研究设计与参与者
本研究采用横断面调查研究设计,探究技术压力、学业自我效能感、心理韧性与学习倦怠之间的关系。通过方便抽样从[为同行评审而隐去]招募护理本科生。入组标准通过明确的纳入和排除标准确定。纳入条件为:(1) 全日制本科护理学生,且(2) 已完成至少一学期学习的学生
共同方法偏倚验证
为评估因自我报告在线数据收集产生的共同方法变异,进行了Harman单因子检验。探索性因子分析识别出11个特征值大于1.0的因子。第一主因子解释总方差的36.42%,低于40%的临界阈值。这些结果证实共同方法偏倚不会实质性地影响研究实证结果的有效性。
描述性统计与Pearson相关分析
表1汇总了Pearson相关系数
讨论
本研究评估了1277名护生中数字技术压力对学习倦怠的预测影响,同时考察了心理韧性和学业自我效能感的保护与调节作用。通过结合多阶段层级回归与PROCESS模型1的连续边界检验,这些发现阐明了内部个人资产如何与技术引发的学业压力交互。
结论
本研究表明,数字技术压力直接加速了护生的学习倦怠,作为独立于基线心理资产的外源性压力源发挥作用。虽然心理韧性和学业自我效能感为学术耗竭提供了大量的主效应保护,但自我效能感还作为一种关键的结构性边界条件发挥作用。具体而言,高自我效能感的学生对技术引发的
CRediT作者贡献声明
陈磊:撰写初稿、可视化、软件、方法论、形式分析、数据整理、概念构思。刘钰坤:撰写审阅与编辑、验证、方法论。陈思:验证、调查研究、数据整理。张文静:撰写审阅与编辑、指导、资源、项目管理、概念构思。
伦理批准与知情同意
本研究按照赫尔辛基宣言进行,并经河北地质大学华信学院机构伦理委员会于2026年4月23日批准(伦理批准编号:HUAXIN-2026-NURSE-001)。所有个人参与者在自愿参与前均获得了电子知情同意。所有参与者均被告知其回答的匿名性得到保障,并被告知他们有权随时退出研究而不会有任何负面后果。
资助
本研究未获得任何公共、商业或非营利机构的具体资助。
未引用参考文献
Aiken et al., 1991
Bakker and Demerouti, 2007
Bakker and Demerouti, 2017
Bandura, 1997
Connor and Davidson, 2003
Deary et al., 2003
Gibbons, 2010
Hobfoll, 1989
Hobfoll et al., 2018
Honicke and Broadbent, 2016
Luthar et al., 2000
O'Lynn, 2004
Podsakoff et al., 2003
Podsakoff et al., 2012
Powers et al., 2018
Reyes et al., 2015
Salanova et al., 2010
Thomas and Revell, 2016
Xanthopoulou et al., 2007
Zhang and Liu, 2016
利益冲突声明
作者声明,他们没有已知的竞争性经济利益或个人关系可能影响本文所报告的工作。
陈磊|刘钰坤|陈思|张文静