感染性疾病护理翻转课堂教学模式实施与教学效果评估

条件:感染性疾病护理教育中翻转课堂教学模式的评估。这是一项单中心、回顾性队列研究,旨在评估翻转课堂(FC)教学模式与传统的以讲授为基础的教学在综合性感染性疾病护理课程中的效果比较

Shantou University Medical CollegeShantou University Medical College
clinicaltrials
浏览 2
表格分类感染性疾病护理翻转课堂教学效果评估回顾性队列研究护理教育传统讲授教学
The Flipped Classroom Model in Infectious Disease Nursing: Implementation and Assessment of Educational Effectiveness

基本信息

模态
表格
任务类型
分类
创建/更新时间
2026-10-25

资源简介

感染性疾病护理翻转课堂教学模式实施与教学效果评估

该数据集围绕感染性疾病护理教育中翻转课堂教学模式的评估展开,来源于临床试验注册平台,归类于感染性疾病/其他方向。其核心是一项单中心、回顾性队列研究,比较翻转课堂(FC)教学模式与传统的以讲授为基础的教学在综合性感染性疾病护理课程中的效果。研究在汕头大学医学院开展,以2024—2025学年修读感染性疾病护理课程的本科护理学生为翻转课堂队列(n = 18),并以2023学年接受讲授式教学的历史对照队列(n = 36)进行对比。所有参与者来自同一教学轨道并完成相同的课程要求。翻转课堂队列的教学设计由每周模块组成,要求学生在课前完成相应准备任务。该数据集为教育干预效果评价类数据,可用于了解翻转课堂在护理教育中的实施方式与评估框架。

【数据集背景】

该数据集对应的研究聚焦于感染性疾病护理教育领域,旨在评估翻转课堂教学模式相对于传统讲授式教学的效果。研究设计为单中心、回顾性队列研究,实施地点为汕头大学医学院。研究对象为本科护理学生,比较的是同一综合性感染性疾病护理课程中两种不同教学模式下的学生群体。翻转课堂队列为2024—2025学年修读该课程的学生,对照队列为2023学年接受讲授式教学的历史学生。所有参与者来自同一教学轨道,并完成相同的课程要求,这为比较两种教学模式提供了相对一致的教学背景。

【数据内容】

数据集所涉及的内容围绕翻转课堂教学模式的实施与评估展开。翻转课堂队列的教学设计由每周模块构成,要求学生在课前完成准备任务,课堂时间则用于其他教学活动。对照队列接受的是传统的以讲授为基础的教学。研究关注的结局是两种教学模式在综合性感染性疾病护理课程中的教育效果比较。数据集英文名称为“The Flipped Classroom Model in Infectious Disease Nursing: Implementation and Assessment of Educational Effectiveness”,主题标签为“Evaluation of the Flipped Classroom Model in Infectious Disease Nursing Education”。关于具体的评估指标、测量工具、成绩数据或统计分析结果,源站未提供。

【采集与来源】

该数据集来源于临床试验注册平台,源站将其登记为一项研究,条件为感染性疾病护理教育中翻转课堂教学模式的评估。研究在汕头大学医学院开展,属于单中心研究。数据来自2024—2025学年翻转课堂队列(n = 18)与2023学年历史对照队列(n = 36)的比较。所有参与者均为本科护理学生,来自同一教学轨道并完成相同课程要求。关于数据采集的具体时间点、采集工具、原始数据存储形式以及伦理审批信息,源站未提供。

【适用场景】

该数据集适用于护理教育、感染性疾病护理课程教学改革以及翻转课堂教学模式效果评价等相关场景。可用于了解翻转课堂在护理本科课程中的实施结构,例如每周模块与课前准备任务的设计思路;也可用于参考以历史对照队列开展教育干预比较的研究设计。由于研究聚焦于感染性疾病护理这一特定课程领域,其内容对护理教育工作者设计或评估类似课程具有一定参考价值。关于该数据集是否适用于其他课程、其他学生群体或其他教学机构,源站未提供相关信息。

【使用方法】

该数据集对应的是研究层面的登记信息,而非可直接下载的原始数据文件。使用者可依据其研究设计信息了解翻转课堂队列与历史对照队列的构建方式、样本规模以及课程实施框架。若需使用具体数据进行分析,源站未提供数据获取途径、变量字典或数据格式说明。关于是否开放数据共享、如何申请数据以及使用条件,源站未提供。

【质量与限制】

该研究为单中心、回顾性队列设计,翻转课堂队列与对照队列来自不同学年,属于历史对照比较。翻转课堂队列样本量为18,对照队列样本量为36。所有参与者来自同一教学轨道并完成相同课程要求。关于研究的偏倚控制、混杂因素处理、样本代表性、评估工具的效度与信度,以及研究结论的稳健性,源站未提供。数据集本身的质量指标、缺失数据情况与数据校验信息,源站未提供。

【引用与许可】

该数据集的英文名称为“The Flipped Classroom Model in Infectious Disease Nursing: Implementation and Assessment of Educational Effectiveness”,来源站为clinicaltrials.gov。关于引用格式、许可协议、使用条款以及数据再分发条件,源站未提供。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。

暂未开放

公开下载

无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。

免登录

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。

使用方式

数据集获取

源站:https://clinicaltrials.gov/study/NCT07806305

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 部分平台提供 SDK,例如:
    • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
    • ModelScope: pip install modelscope 后 modelscope download
    • 天池: 登录后页面提供直链下载
      以源站「数据下载/使用文档」页面为准。

数据说明

条件:传染病护理教育中翻转课堂教学模式的评价。这是一项单中心、回顾性队列研究,旨在评估翻转课堂(FC)教学模式与传统的以讲授为基础的教学在传染病护理综合课程中的有效性。该研究在中国汕头大学医学院开展。研究将2024-2025学年修读传染病护理课程的本科护理学生(FC队列,n = 18)与2023学年接受讲授式教学的历史对照者(对照组,n = 36)进行比较。所有参与者均来自同一教学轨道,并完成了相同的课程要求。对于FC队列,教学设计由每周模块组成,要求学生完成课前准备活动,包括观看录制的教学视频和阅读指定材料。课堂环节围绕学生主导的汇报和基于案例的小组讨论展开,以强化课前内容。

历史对照队列在2023学年接受了传统以教师为中心的讲授式教学,课程内容相同。数据从现有学业记录和课程评价数据库中回顾性提取。主要结局指标为期末考试分数,考试由涵盖感染性疾病护理综合内容的多选题和开放题组成。次要结局指标包括增益分数(计算方式为期末考试分数减去先修课程平均分数)以及关于学生兴趣和整体学习体验的课程反馈评分。统计分析使用SPSS 30.0和Python 3进行。连续变量的组间差异采用独立样本t检验进行比较。采用偏相关分析检验先修课程成绩对感染性疾病护理学业成绩的独立贡献。分析o

数据加载示例(图像类)

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案