数据驱动的学生支持：利用LASSI算法提升学术表现

《BMC Medical Education》：Data driven student support: utilize the LASSI to improve academic performance

　　

摘要

背景

医学生的学术成功不仅取决于他们的天赋，还取决于他们是否能够实施并运用有效的学习策略。学习与学习策略量表（LASSI）衡量了十种可能影响学术表现的学习策略。由于在医学教育领域针对LASSI的研究相对有限，本研究分析了LASSI各子量表的得分以及学术表现的多个结果。

方法

四组医学生（总人数N=423人）在入学培训期间完成了LASSI测试。学术成果包括第一学期的平均绩点（GPA）、实习前的平均绩点、COMLEX-USA二级考试和COMLEX-USA三级考试的分数。通过皮尔逊相关系数（r）和斯皮尔曼相关系数（ρ）来探讨LASSI各子量表与学术表现指标之间的关系。同时，使用偏相关分析来控制性别、MCAT考试成绩以及本科理科平均绩点（USGPA）的影响。

结果

在所有组别中，时间管理策略与第一学期的平均绩点（r=0.11；p=0.028）和实习前的平均绩点（r=0.10；p=0.036）之间存在显著但较小的相关性。提取主要观点策略与COMLEX-USA二级考试分数相关（r=0.16；p=0.007），信息处理策略与COMLEX-USA三级考试分数相关（r=0.40；p=0.014）。不同组别之间的分析结果显示，学习策略可能存在差异。某些子量表的方差较小，例如态度、动机和应试策略，并未能预测学术表现，这一结果与其他人群的元分析结果不同。

结论

研究结果支持将LASSI作为指导医学教育中学术支持的工具。针对信息处理、提取主要观点和时间管理等学习策略的干预措施，可能有助于提高学生在校内考试和执业资格考试中的表现。未来的研究应探讨学习策略培训对LASSI得分和学术成果的长期影响。