
-
生物通官微
陪你抓住生命科技
跳动的脉搏
优秀的学习者:利用学习与学习策略清单(LASSI)研究表现优异的医学生的特征
《BMC Medical Education》:The expert learner: using the learning and study strategies inventory (LASSI) to investigate the characteristics of high-performing medical students
【字体: 大 中 小 】 时间:2026年05月10日 来源:BMC Medical Education 3.2
编辑推荐:
摘要 背景 识别表现优异的医学生的特征对于制定针对性的干预措施以支持表现不佳的学生至关重要。本研究通过“学习与学习策略清单”(LASSI)来衡量学习策略与医学学习成果之间的关系。 方法 本研究在第一年中间对514名医学生(2019-202
识别表现优异的医学生的特征对于制定针对性的干预措施以支持表现不佳的学生至关重要。本研究通过“学习与学习策略清单”(LASSI)来衡量学习策略与医学学习成果之间的关系。
本研究在第一年中间对514名医学生(2019-2023届)进行了LASSI测试。通过皮尔逊积差相关分析(Pearson product-moment correlation analysis)评估了LASSI分数与生物医学课程成绩、美国医学执照考试(USMLE)第一阶段(Step 1)及第二阶段临床知识部分(USMLE Step 2 Clinical Knowledge, CK)表现之间的关联。采用单因素方差分析(ANOVA)和事后比较(post hoc comparisons)来分析不同成绩四分位数之间的LASSI分数差异。
在所有成绩指标中,第四四分位数(顶尖学生)与第一四分位数(表现最差的学生)之间的动机、自我测试能力、应试策略和时间管理能力存在显著差异。表现优异的学生在策略运用、动机以及自我测试、应试和时间管理方面表现出更高的能力。动机、自我测试能力和应试策略是预测学术成功最稳定的因素。
动机、自我测试能力和应试策略是LASSI量表中与学术成功关联最强的指标。这些领域是教学支持的关键目标,可以为设计旨在提升医学生学习和表现的有效干预措施提供依据。
识别表现优异的医学生的特征对于制定针对性的干预措施以支持表现不佳的学生至关重要。本研究通过“学习与学习策略清单”(LASSI)来衡量学习策略与医学学习成果之间的关系。
本研究在第一年中间对514名医学生(2019-2023届)进行了LASSI测试。通过皮尔逊积差相关分析(Pearson product-moment correlation analysis)评估了LASSI分数与生物医学课程成绩、美国医学执照考试(USMLE)第一阶段(Step 1)及第二阶段临床知识部分(USMLE Step 2 Clinical Knowledge, CK)表现之间的关联。采用单因素方差分析(ANOVA)和事后比较(post hoc comparisons)来分析不同成绩四分位数之间的LASSI分数差异。
在所有成绩指标中,第四四分位数(顶尖学生)与第一四分位数(表现最差的学生)之间的动机、自我测试能力、应试策略和时间管理能力存在显著差异。表现优异的学生在策略运用、动机以及自我测试、应试和时间管理方面表现出更高的能力。动机、自我测试能力和应试策略是预测学术成功最稳定的因素。
动机、自我测试能力和应试策略是LASSI量表中与学术成功关联最强的指标。这些领域是教学支持的关键目标,可以为设计旨在提升医学生学习和表现的有效干预措施提供依据。