周振宇，虞 莉，艾则麦提·如斯坦木，邵洲力，何哲浩，吴益和，吕 望，胡 坚*

(1.浙江大学医学院附属第一医院;2.杭州医学院附属浙江省人民医院，浙江 杭州 310000)

教育环境，即在教育单位内所存在的与教育相关的一切主客观条件，包括氛围、文化、价值观、资源、组织、带教、人际等[1]。教育环境影响着医学生的知识、技能、态度、行为与绩效等各个方面。世界医学教育联合会早在1998年就强调了应将教育环境作为评价医学教育项目的一个重要标准[2]。医学教育环境测量工具(the Dundee Ready Education Environment Measurement，DREEM)是近年来广泛应用的一个教育环境量表。尤其在亚洲及欧洲，在四分之三以上的相关研究中应用到了DREEM量表[3]。

然而在前期预试验中，研究者发现在住培学员中施测DREEM量表的回收率不高，且部分存在“胡乱作答”现象。经过调研，部分学员认为该量表过于冗长，且部分条目并不贴近学员实际情况，由此引出本项研究。本研究通过多中心施测，统计筛选条目并建立结构方程模型，开发出一份适用于住培学员的简化版DREEM量表。

一、对象和方法

(一)研究对象。

2018年10月至2019年9月于浙大一院等多家医院多个科室轮转的住培学员。在科室出科考试前发放量表二维码。学员自愿完成作答。共收集有效答卷252份。

(二)研究工具。

本研究采用由中国医科大学医学教育研究中心汉化的DREEM量表作为研究工具。该量表分为学员对学习的认知(students’ perceptions of learning，12条目)、对教师的认知(students’ perceptions of teachers，11条目)、对氛围的认知(students’ perceptions of the atmosphere，12条目)及学员在学业上的自我认知(students’ academic self-perception，8条目)和社会化的自我认知(students’ social self-perception，7条目)5个分量表，共计50个条目，其中9个条目为反向计分题。DREEM量表为典型的Likert五分量表，5个选项分别对应4分到0分，量表总分为0到200分。

(三)数据分析。

采用SPSS Statistics 25筛选条目。采用变异系数法，剔除变异系数小于0.250的条目；采用相关系数法，剔除与分量表分Spearman秩相关系数小于0.60的条目；采用逐步回归分析法，剔除被回归模型排除的条目；采用因子分析法，剔除各因子负荷系数小于0.500的条目。采用IBM SPSS Amos 26建立结构方程模型并优化。

二、结 果

(一)描述性统计。

研究共回收答卷292份，经筛选，其中有效答卷252份，有效回收率86.3%。学员的性别、年级、身份属性分布见表1(部分数据未登记)。

表1 住培医师的一般情况[n(%)]

统计各分量表得分如表2。

表2 各分量表平均分情况(分，

(二)条目筛选。

先后采用上述4种统计方法对原量表的50个条目进行初筛。变异系数法、相关系数法、因子分析法中分别剔除条目26条、7条、1条，余16条。

(三)结构方程模型。

输入余16个条目数据，根据原量表结构构建初始模型。进行正交验证性因子分析，优化模型适配度后所得的结构方程模型见图1。模型的GFI=0.952，RMSEA=0.068。计算模型的信度与效度，其α=0.867，决定系数R2=0.851。模型对应的临床教育环境简化量表如图2。

图1 结构方程模型

注：*为反向计分题

三、讨 论

本研究在不打破原量表结构化的基础上对50条目DREEM量表基础上进行简化修订。由于中文版DREEM量表是一份成熟应用的汉化量表，因此本研究省略了回译法及德尔菲法(专家评分法)，直接采用变异系数法、相关系数法、回归分析法和因子分析法进行条目筛选。经过筛选，有16个条目进入建模阶段。

结构方程模型建立与优化的主要参考指标包括模型修正指标，即修正指数(modification index，MI)与临界比率(critical ratio，CR)，以及模型适配度指标，即GFI值与RMSEA值。因本研究目的在于模型的简化，因此以模型限制性修正为主，即修正指标主要考虑条目对应的CR值。最终，有11个条目被模型保留，即得到上述结构方程模型。值得一提的是，另外一组研究者直接将50个条目全部纳入建模。虽然计算量较大，但最终得出的结构方程模型与上述模型完全一致。