gms | German Medical Science

Einleitung: An der Medizinischen Fakultät der Universität Ulm wird über eine Selbsteinschätzung der Studierenden eine Lernstandserhebung bezüglich ausgewählter praktischer Fertigkeiten aus dem NKLM durchgeführt. Ein Ziel dieser Evaluationen ist die Identifizierung möglicher Ausbildungsschwachstellen mit heterogenem Effekt auf den Lernerfolg der Studierenden.

In diesen Daten finden sich multimodale Randverteilungen. Für eine erste deskriptive Datenanalyse sind moderne Darstellungsformen, die über klassische Methoden wie tabellarische oder graphische Mittelwertsmitteilungen oder Boxplots hinausgehen, notwendig [1], [2].

Dieser Beitrag stellt NKLM-basierte Selbsteinschätzungen bezüglich praktischer Fertigkeiten vor und vergleicht Stärken und Limitationen von verschiedenen Darstellungsformen, welche nicht normalverteilte multimodale Daten präziser abbilden können.

Material und Methoden: Mittels papierbasierter Fragebögen haben Studierende des zehnten Fachsemesters ihre Kompetenzebenen zu 12 praktischen Fertigkeiten aus verschiedenen Fachgebieten anhand einer an den NKLM-angelehnten neunstufigen Skala eingeschätzt. Mit dem Ziel der visuellen Identifikation von Subpopulationen unter den Studierenden wurden verschiedene Darstellungsformen verglichen. Bezüglich Darstellungskomplexität und transportiertem Informationsgehalt erschienen Violin Plots als besonders geeignet [2], [3].

Ergebnisse: 165 von 301 Studierenden (Rücklaufquote 55%) haben den Fragebogen ausgefüllt. Die Daten aller 12 abgefragten Kompetenzen fiel nicht normalverteilt aus (Kolmogorov-Smirnov Test jeweils p<0.001). Hiervon waren 6 Verteilungen unimodal mit außerhalb liegenden Clustern (definiert als 0,5% < der Antworten < 5%), vier multimodal und zwei unimodal. Wir zeigen grafische Darstellungen bestehend aus klassischem Mittelwert±Standardabweichung, Box- und Scatterplot und vergleichen diese mit der Wahrscheinlichkeitsdichtedarstellung in Violin Plots.

Schlussfolgerung: Nicht normalverteilte, multimodale Daten scheinen im Bereich der Selbsteinschätzung und somit auch in der Lehrforschung eine wichtige Rolle zu spielen. Hier könnte dies jedoch auch an der nicht validierten Qualität der Skala (mindestens Ordinal-, nicht sicher Intervallqualität) liegen.

Unabhängig dieser möglichen Einschränkung ermöglichen es insbesondere Violin Plots, die Verteilungsform der Daten unmittelbar visuell zu erfassen – allerdings werden diese nur bedingt genutzt. Dies mag einerseits daran liegen, dass gängige Software diese Darstellungsformen proprietär nicht unterstützen [2]. Andererseits liegt es möglicherweise an dem niedrigen Bekanntheitsgrad dieser Darstellungsformen, was im Zuge eines sich selbst erhaltenen Kreislaufs Autoren davon abhalten könnte, Violin Plots zu nutzen.