论文部分内容阅读
医学生临床能力是指医学生顺利完成医疗活动所必需的一种特殊能力，它是衡量医学人才培养质量的客观依据。根据医学教育目标来评价临床能力，已经得到国际公认。医学教育目标由认知领域、精神运动领域、情感领域三部分组成，相应地，以知识、技能和态度来衡量卫生人才素质，这已经成为临床能力评价的理论依据。
医学生在大学期间参加的考核项目很多，其中许多考核项目涉及其知识、技能、态度的评价，可以作为临床能力评价的指标。不同医学院校的实际情况不同，考核学生的项目也不完全相同。虽然大部分医学院校的考核项目基本覆盖了临床能力评价的三个方面，但如何根据学校的自身情况科学地选择评价指标以及如何利用指标反馈的信息全面评价学生的临床能力，是所有医学院校需要思考的问题。
虽然一些院校开展了这方面的研究，但研究方法没有较大突破，基本上都是采取德菲尔法确定评价指标及指标的权重系数。本研究尝试用新的研究方法——机器学习法来评价学生的临床能力。
机器学习是研究如何使用机器来模拟人类学习活动的一门学科。它通过设计和发展算法，使计算机能够自动地从数据中学习复杂模式和智能判断，通过经验数据不断改善自身的判断能力，以获取新的知识。由于它具有评价效率高，不断学习模拟专家想法完善评价模式的特点，所以在评价医学生的临床能力方面具有优势。
本研究以2007年346名临床医学专业毕业生在校期间的各项考核成绩为数据来源，从临床医学院遴选52位专家对每名学生的临床能力进行综合评价。首先开发了网上临床能力评价系统，将346名临床医学专业毕业生在校期间的各项考核成绩标准化后以图表的形式展现。请临床专家通过浏览图表直观地了解学生的各科目成绩在整体中的相对位置，然后根据经验综合评价该学生的临床能力等级（优、良、中、可、差），将专家投票率最高的等级确定为学生的临床能力等级。每名学生的数据信息是一个训练样本，他的各科目的标准化成绩是特征变量（德育等级资料未做标准化处理），他的临床能力等级是分类变量.所有学生的数据信息形成训练集提交给weka平台，利用平台中的各种学习算法进行学习，比较各种算法形成的分类器的学习效果，将学习效果最好的分类器做为医学生临床能力评价系统，同时对分类器选择的指标进行分析，了解专家们对临床能力的共性认识。
研究结果表明，weka平台中的支持向量机算法具有较高的评价准确率，并且这种准确率可以通过加强训练得以提高，说明采用机器学习法构建的临床能力评价系统可以科学评价学生个体之间的能力水平差异，充分体现教育评价的公平性。此外，研究结果也显示，采用机器学习法模拟众多专家的思维来评价临床能力，我们可以很好地了解临床专家们的共性认识，及时了解整体教学状况，从而为学校的教学改革工作服务。