目的探讨项目式学习在护理实习生岗前培训中对锐器伤防护技能培训的效果及其对实习期间锐器伤发生率的影响。方法采用便利抽样法选取2023年3月南昌理工学院医学院护理专业A、B两个班级为研究对象。采用掷硬币法将A班设为常规组,B班设为...目的探讨项目式学习在护理实习生岗前培训中对锐器伤防护技能培训的效果及其对实习期间锐器伤发生率的影响。方法采用便利抽样法选取2023年3月南昌理工学院医学院护理专业A、B两个班级为研究对象。采用掷硬币法将A班设为常规组,B班设为干预组。常规组接受以回顾性强化训练护理操作技能为主的常规岗前培训;干预组在此基础上融入锐器伤防护技能的项目式学习补偿教育。采用柯氏四级培训评估模式在相应阶段自“反应、学习、行为、结果”四个递进的层面全方位评估教育效果。结果A班常规组和B班干预组各纳入56名护理实习生。干预组护理实习生的课程评价评分(128.67±4.39 VS 117.28±6.55)、针刺伤防护知识认知评分(109.11±4.38 VS 96.44±6.72)、安全注射行为评分(38.45±4.91 VS 32.30±5.62)、职业认同感评分(58.02±8.55 VS 51.77±15.86)、岗位胜任力评分(82.59±13.35 VS 75.61±15.09)均高于常规组,差异均有统计学意义(均P<0.05)。干预组护理实习生锐器伤发生率(19.64%VS 57.14%)及平均发生频次(1.45 VS 2.13)均低于常规组;锐器伤后例次干预率(87.50%VS 45.59%)和例次上报率(93.75%VS 32.35%)均高于常规组,差异均有统计学意义(均P<0.05)。结论在护生岗前培训中引入项目式学习的锐器伤防护培训,能有效提升防护技能掌握程度,降低实习期间锐器伤发生率,对培养护生职业防护能力具有重要实践价值。展开更多
针对消防设施选址问题,构建考虑时效性、市民等待救援的焦急心理和建设成本的三目标消防设施选址模型,以实现更科学的消防设施布局。鉴于该问题的NP难特性,提出基于算子学习的多目标深度强化学习模型(multi-objective deep reinforcemen...针对消防设施选址问题,构建考虑时效性、市民等待救援的焦急心理和建设成本的三目标消防设施选址模型,以实现更科学的消防设施布局。鉴于该问题的NP难特性,提出基于算子学习的多目标深度强化学习模型(multi-objective deep reinforcement learning,MDRL)。设计多种优化算子作为强化学习的动作空间,训练策略网络以选择最佳优化算子来改进解决方案。针对多目标问题,设计基于优势差异的方法(MDRL-AD)和基于支配性评估的方法(MDRL-DE)。采用四种规模的测试算例及实际案例进行数值实验,将MDRL和改进的NSGA-Ⅱ、MOPSO、L2I算法进行比较,并利用Hypervolume指标、Spacing指标、Ω指标、IGD指标对算法性能进行评估。实验结果表明,MDRL-AD方法更适用于求解小规模算例,MDRL-DE方法则在求解大规模和超大规模算例时相比其他算法优势明显。MDRL在非劣解集的收敛性和均匀性方面明显优于其他对比算法,为消防设施布局规划提供了一种有竞争力的解决方案。展开更多
文摘目的探讨项目式学习在护理实习生岗前培训中对锐器伤防护技能培训的效果及其对实习期间锐器伤发生率的影响。方法采用便利抽样法选取2023年3月南昌理工学院医学院护理专业A、B两个班级为研究对象。采用掷硬币法将A班设为常规组,B班设为干预组。常规组接受以回顾性强化训练护理操作技能为主的常规岗前培训;干预组在此基础上融入锐器伤防护技能的项目式学习补偿教育。采用柯氏四级培训评估模式在相应阶段自“反应、学习、行为、结果”四个递进的层面全方位评估教育效果。结果A班常规组和B班干预组各纳入56名护理实习生。干预组护理实习生的课程评价评分(128.67±4.39 VS 117.28±6.55)、针刺伤防护知识认知评分(109.11±4.38 VS 96.44±6.72)、安全注射行为评分(38.45±4.91 VS 32.30±5.62)、职业认同感评分(58.02±8.55 VS 51.77±15.86)、岗位胜任力评分(82.59±13.35 VS 75.61±15.09)均高于常规组,差异均有统计学意义(均P<0.05)。干预组护理实习生锐器伤发生率(19.64%VS 57.14%)及平均发生频次(1.45 VS 2.13)均低于常规组;锐器伤后例次干预率(87.50%VS 45.59%)和例次上报率(93.75%VS 32.35%)均高于常规组,差异均有统计学意义(均P<0.05)。结论在护生岗前培训中引入项目式学习的锐器伤防护培训,能有效提升防护技能掌握程度,降低实习期间锐器伤发生率,对培养护生职业防护能力具有重要实践价值。
文摘针对消防设施选址问题,构建考虑时效性、市民等待救援的焦急心理和建设成本的三目标消防设施选址模型,以实现更科学的消防设施布局。鉴于该问题的NP难特性,提出基于算子学习的多目标深度强化学习模型(multi-objective deep reinforcement learning,MDRL)。设计多种优化算子作为强化学习的动作空间,训练策略网络以选择最佳优化算子来改进解决方案。针对多目标问题,设计基于优势差异的方法(MDRL-AD)和基于支配性评估的方法(MDRL-DE)。采用四种规模的测试算例及实际案例进行数值实验,将MDRL和改进的NSGA-Ⅱ、MOPSO、L2I算法进行比较,并利用Hypervolume指标、Spacing指标、Ω指标、IGD指标对算法性能进行评估。实验结果表明,MDRL-AD方法更适用于求解小规模算例,MDRL-DE方法则在求解大规模和超大规模算例时相比其他算法优势明显。MDRL在非劣解集的收敛性和均匀性方面明显优于其他对比算法,为消防设施布局规划提供了一种有竞争力的解决方案。
