普及计算技能:基于云的健康服务研究数据分析异步微学习框架的效果评价

《Frontiers in Public Health》:Democratizing computational skills: evaluating an asynchronous microlearning framework for cloud-based data analytics in health services research

【字体: 大 中 小 】 时间:2026年06月16日 来源:Frontiers in Public Health 3.4

编辑推荐:

  背景:公共卫生领域正经历数字化转型,日益依赖数据驱动决策,这要求从业者具备计算工具的熟练应用能力。然而,传统课程往往偏重理论知识而非应用技术技能,导致劳动力 readiness 存在差距。本研究评价了一项试点远程异步微学习课程,该课程旨在为少数族裔研究机构(R

  
背景:公共卫生领域正经历数字化转型,日益依赖数据驱动决策,这要求从业者具备计算工具的熟练应用能力。然而,传统课程往往偏重理论知识而非应用技术技能,导致劳动力 readiness 存在差距。本研究评价了一项试点远程异步微学习课程,该课程旨在为少数族裔研究机构(Research Centers in Minority Institutions, RCMI)网络中来自历史上代表性不足背景的学生扩展数字技能的获取机会,特别是R语言和Google Colab。方法:通过在线学习管理系统(Learning Management System, LMS)交付为期三周的课程"健康服务研究云数据分析导论"。学生(N = 19)完成三个模块:(1)R语言和RStudio基础,(2)使用Google Colab基于云的国家健康信息趋势调查第7版(Health Information for National Trends Survey 7, HINTS 7)数据分析,以及(3)科学摘要撰写。评价方法包括前后测五项客观知识评估、回顾性自评能力(1-5分制)以及课后满意度调查。结果:客观知识平均分数从3.58显著提升至4.37(p = .039)。参与者在九项自评能力中的八项报告了统计学显著改善(p < .05),其中安装R/RStudio和界面导航的提升幅度最大。各维度满意度均较高,尤其是"对学术发展的价值"(M = 4.5/5.0)。结论:简短的异步微学习经验能够有效培养基础计算技能,并为低资源环境下的学生扩大培训获取渠道。尽管技术能力可以在简短灵活的形式中培养,但科学通信等更复杂的技能可能需要额外的教学时间和支持。
该研究发表于《Frontiers in Public Health》(《公共卫生前沿》),旨在评价一项远程异步微学习试点培训项目的可行性与效果,以解决公共卫生学生数字技能发展的差距,特别是来自低资源机构的学生。

研究背景方面,公共卫生与健康服务实践正经历数字化转型,从直觉驱动转向数据驱动的循证决策,利用大型数据集、预测分析和实时监测系统指导政策与实践。计算工具(如R、RStudio及云平台)已成为健康服务研究的核心,但传统公共卫生课程偏重理论知识,与技术能力需求之间存在显著差距。历史上,公共卫生信息学培训依赖基于地理位置的面授模式和机构计算资源,这种高成本、刚性的同步教学模式对低资源环境的学生形成结构性壁垒,加剧了教育不平等。微学习(microlearning)作为一种将内容分解为短小模块化单元的教学策略,结合基于云的计算工具,能够降低财务与技术门槛,推动数字技能的普及获取。尽管远程异步学习平台展现出潜力,但公共卫生领域许多计算培训仍依赖面授模式,同步、地点依赖的模式在可及性、成本、时间安排和资源可用性方面持续构成挑战。

研究人员开展了为期三周、名为"健康服务研究云数据分析导论"的远程异步课程,通过RCMI网络中22个机构的学术顾问进行定向招募,针对来自历史上代表性不足群体、对卫生服务研究和数据分析有兴趣的本科生和研究生。课程依托在线学习管理系统(Canvas LMS)异步交付,学生需创建或使用现有Google账户访问Google Colab平台。课程包含三个模块:第一模块为R语言和RStudio基础,培养数据清洗、分析与可视化技术能力;第二模块为基于云的HINTS 7数据分析,应用编码技能解决实际健康服务研究问题;第三模块为科学摘要撰写,产出科学摘要和应用项目作品集。学习管理系统内嵌培训材料、作业和讨论提示,具体学习目标和活动细节公开于GitHub仓库。

研究采用的主要技术方法包括:(1)前后测评价设计:通过五项多项选择题评估云计算、R在Google Colab中的使用、科学摘要结构、逻辑回归系数解释以及R代码修改等客观知识,计算综合得分(0-5分),采用配对t检验及Wilcoxon符号秩检验进行敏感性分析;(2)回顾性前后设计(retrospective pre–post design):在课后调查中要求学生对课前课后能力进行5点量表自评,涵盖九项与课程目标对齐的能力,采用Wilcoxon符号秩检验分析;(3)满意度与难度评估:Likert量表评价整体课程体验、主题相关性、虚拟同伴互动机会、课程长度和学术发展价值,以及7点量表评估Google Colab使用难度和云计算概念学习难度;(4)行为结果测量:学生提交科学摘要和屏幕截图作为可观察的技能习得证据;(5)非应答偏差分析:比较完成前后测学生与仅完成前测学生的基线特征和知识得分。

研究结果显示,共有64名学生注册,34人完成课前调查,19人完成前后测纳入分析样本。参与者主要为18-24岁本科生(各89.5%),女性占73.7%,种族分布 Diversity 较高,计算机科学/工程相关领域占47.4%,健康科学/公共卫生/健康专业占36.8%。

在学生满意度与感知难度方面,各维度满意度均值范围为3.5-4.5分,整体满意度M = 4.4(SD = 0.8),主题覆盖满意度M = 4.4(SD = 0.9),同伴互动机会满意度相对较低M = 3.5(SD = 1.1),课程长度满意度M = 4.2(SD = 0.9),学术发展价值满意度最高M = 4.5(SD = 0.8),58%的受访者对此项给予最高评分。Google Colab笔记本使用难度评分M = 5.6(SD = 1.1),表明感知难度较低;云计算概念学习难度评分M = 4.2(SD = 0.9),显示中等感知难度。

在作业完成情况方面,18/19名学生(94.7%)完成全部三项课程作业、模块讨论发帖、屏幕截图提交和科学摘要提交,作为技能获得的可观察行为评估。

在客观知识方面,课前平均得分M = 3.58(SD = 1.17),课后提升至M = 4.37(SD = 1.16),平均差异0.79(95% CI: 0.04-1.54),配对t检验t(18) = 2.22,p = 0.039;Wilcoxon符号秩检验p = 0.047,结果一致。

在自评能力方面,九项能力中八项出现统计学显著改善(Wilcoxon符号秩检验,p < .05),中位变化范围为0-2分。改善最显著的能力包括:安装R和RStudio(中位变化2分,p = 0.002)、导航RStudio界面和执行基本R命令(中位变化1分,p = 0.002)、理解R在数据分析中的目的和应用(中位变化1分,p = 0.002)、使用Google Colab打开运行和保存R notebooks(中位变化1分,p = 0.003)、运行和修改R代码进行公共卫生数据分析(中位变化1分,p = 0.003)、解释回归系数和比值比(中位变化1分,p = 0.009)、解释科学交流的目的和重要性(中位变化0分,p = 0.045)、描述科学摘要的主要部分(中位变化0分,p = 0.025)。未观察到统计学显著改善的能力为"产出清晰可读的科学研究摘要"(p = 0.078)。

在定性反馈方面,开放式回应总体积极,学生强调理论概念与动手练习结合的价值,认为这种 approach 强化了云数据分析理解。一名参与者特别强调课程提供了摘要撰写的实践经验,帮助完善科学通信技能。多位学生表示打算将所学技能应用于未来学术或研究项目。改进建议包括:部分学生认为课程节奏合适、易于管理,但也有学生感觉略短;部分材料略显 overwhelming,但多位参与者认为课程对初学者可及;学生还赞赏讨论发帖作为提问空间的价值,并希望有更多R编码练习和关键 functions 复习。

在课程完成与非应答偏差方面,补充分析比较完成前后测者(n = 19)与仅完成前测者(n = 15),两组在人口学特征和基线知识得分上无统计学显著差异(Wilcoxon秩和检验p = 0.971),提示未发现明显非应答偏差。

讨论部分,研究人员指出该试点项目证明了短形式在线微学习方法对来自多元学科背景学生培养计算技能的有效性。参与者报告高满意度,客观知识和自评能力均显著改善,特别是在导航RStudio界面、执行基本R命令、修改公共卫生数据集代码和使用Google Colab等关键数据分析技能方面的信心提升。三周异步形式适合面临传统培训壁垒(如时间安排约束或计算基础设施有限)的学生。这些发现支持使用简短、针对性培训培养基础技能,也反映了传统公共卫生课程与数据驱动劳动力技术需求之间的更广泛差距。

与先前研究比较,该研究代表了与公共卫生数字化转型保持同步的关键教学演进。传统信息学培训依赖地点依赖的面授模式,因机构硬件维护成本高和同步安排刚性而形成 gatekeeping 机制。该研究通过模块化异步格式展示了如何在不依赖集中化机构计算资源的情况下应对这些挑战。云基础平台如Google Colab有效将计算负担从本地硬件转移,使低资源环境的学生仅通过浏览器即可参与高级数据建模。通过RCMI网络istributed intentionally 招募,该研究展示了"普及"数字技能的可行路径。

研究局限性包括:分析样本量小,限制统计效能和可推广性;课后调查 follow-up 不完整可能引入非应答偏差(但补充分析未发现显著差异);RCMI网络22个机构的招募可能限制对其他人群的适用性;参与者可能存在自选择偏差, baseline 兴趣和动机高于一般学生群体;回顾性前后设计可能引入回应偏差(虽有助于缓解自我评估中的 response shift bias);缺乏基于 rubric 的作业质量、编码熟练度或数据分析任务准确性的正式评估;干预持续时间较短(3周),课程仅聚焦基础R编程和Google Colab云计算,可能无法推广至长期培训、其他计算平台或更高级数据科学能力;结局在课程结束后立即测量,未评估技能长期保持;缺乏对照组限制因果推断。

研究强调了对实践的意义:计算熟练度是现代公共卫生专业人员的核 heart 能力,该项目将美国医学信息学协会(American Medical Informacy Association, AMIA)支持的信息学能力标准转化为可及的应用学习经验,模块化结构提供了将技术培训融入现有课程的实际模板。但需注意,学生使用去标识化公开HINTS 7数据,更广泛的云计算培训涉及敏感健康数据时需考虑伦理、治理、隐私和数据安全等额外复杂性。

研究结果还突显了不同技能类型获取的重要区别:尽管技术能力显示显著收益,科学摘要撰写未观察到统计学显著改善,表明高阶技能如科学通信需要比简短异步格式所能提供更为持续的练习和迭代反馈。相较而言,程序性和基于工具的技能更易于通过模块化、自定步调教学逐步实践。先前教育研究表明微学习可能特别适用于通过简洁、聚焦的学习活动进行有 targeted 的程序技能获取,而高阶思维和通信能力的发展可能需要涉及反馈、反思和主动知识建构的更互动、建构主义的学习过程。未来项目设计应纳入更结构化的反馈机制、同行评审机会、协作写作练习或扩展的导师指导写作练习,以更好地支持异步或微学习环境中的科学通信成效。

最后,观察到的高学生满意度支持远程异步培训模式的可接受性,学生重视格式的灵活性和可及性,表明严格的技能发展可以在传统课堂设置外发生。这些发现挑战了对面授同步教学的持续依赖,表明精心设计的在线项目能够提供有效且包容的替代方案。未来研究应纳入更客观的表现测量,如基于 rubric 的作业质量、编码熟练度和数据分析任务准确性评估,以及纵向评估以评价技能长期保持。

研究结论部分翻译如下:简短的异步微学习经验能够有效培养基础计算技能,并为低资源环境中的学生扩大培训获取渠道。尽管技术能力可以在简短、灵活的形式中培养,但科学通信等更复杂的技能可能需要额外的教学时间和支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号