Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Fysioterapeuter og kunstig intelligens

3. juni 2025 opdateret af: Kevser Gürsan, Uşak University

Tilpasning af fremtidige fysioterapeuter til den kunstige intelligens æra: kunstig intelligens holdning, accept og digital kompetence

Denne undersøgelse er en tværsnitsundersøgelse designet inden for omfanget af den beskrivende og relationelle screeningsmodel for kvantitative forskningsmetoder. Forskningen sigter mod at evaluere de digitale kompetenceniveauer, holdninger til kunstig intelligens og kunstig intelligens acceptniveauer af bachelorstuderende i fysioterapiafdelingen og afsløre forholdet mellem disse variabler.

Forskningsspørgsmål

  1. Hvad er de digitale kompetenceniveauer for fysioterapi -studerende?
  2. Hvad er holdningsniveauerne for fysioterapi -studerende over for kunstig intelligens?
  3. Hvad er acceptniveauerne for fysioterapi -studerende over for kunstige intelligensteknologier?
  4. Er der en signifikant sammenhæng mellem niveauet for digital kompetence og holdningen til kunstig intelligens?
  5. Er der en signifikant sammenhæng mellem niveauet for digital kompetence og accept af kunstige intelligensteknologier?
  6. Er der en signifikant sammenhæng mellem holdningen til kunstig intelligens og acceptniveauet for kunstige intelligensteknologier?
  7. Er der en signifikant forskel mellem deltagernes digitale kompetence, holdninger til kunstig intelligens og acceptniveauer i henhold til variabler som køn, klassetrin og varighed af digital værktøjsbrug? Universitetet i forskningen vil bestå af bachelorstuderende, der studerer i Institut for Fysioterapi og Rehabilitering ved Det Fakultet for sundhedsvidenskaber i Alanya, İnönü, Pamukkale, Okan University. Prøven af ​​forskningen er planlagt at være ca. 600 studerende, der tilfældigt er valgt fra fire forskellige universiteter til at repræsentere forskellige geografiske regioner og bestemmes på frivillig basis.

Forskningen er planlagt til at bestå af studerende, der studerer i bacheloruddannelsen af ​​fysioterapi og rehabilitering i Türkiye. Mens de indsamler dataene, den indledende informationsformular, skala for digitale kompetencer for universitetsstuderende, skalaen for holdningsstuderende til kunstig intelligens og produktiv kunstig intelligens acceptskala vil blive brugt.

De indsamlede data analyseres ved hjælp af SPSS (statistisk pakke til sociale videnskab) -programmet. Kolmogorov-Smirnov- og Shapiro-Wilk-testene vil blive brugt til at evaluere, om dataene normalt er distribueret. I variabler, der normalt er fordelt: gennemsnit, standardafvigelse, uafhængig prøve t-test, ANOVA og Pearson-korrelationstest vil blive brugt. I ikke-normal fordeling: median, minimum-maksimum, Mann-Whitney U-test, Kruskal Wallis-test, vil spearman-korrelationstest blive anvendt. Derudover vil regressionsanalyse blive udført for at evaluere forholdet mellem studerendes sociodemografiske oplysninger, digital kompetence, kunstig intelligens holdning og kunstig intelligens acceptniveauer. P <0,05 accepteres som signifikansniveauet.

Studieoversigt

Detaljeret beskrivelse

Hurtig udvikling inden for digitalisering og kunstige intelligensteknologier har forårsaget betydelige ændringer i den måde, sundhedsydelser leveres på. I dag bruges kunstig efterretningsstøttede applikationer aktivt på mange områder inden for sundhedsområdet, fra tidlig diagnose af sygdomme til behandling, fra patientopfølgning til personlig plejeplanlægning. I discipliner, hvor kliniske beslutningsprocesser er vigtige, såsom fysioterapi og rehabilitering, integreres digitale værktøjer og kunstige intelligenssystemer i marken med bevægelsesanalyse, træningssporing, rehabiliteringsrobotter, virtual reality-baserede behandlinger og kunstige efterretningsstøttede mobile applikationer. Denne teknologiske transformation påvirker ikke kun professionel praksis, men også erhvervsuddannelse. De digitale kompetenceniveauer for universitetsstuderende, der modtager sundhedsuddannelse, deres kapacitet til at anvende teknologi og deres holdning til kunstig intelligens er af kritisk betydning for både deres individuelle faglige udvikling og servicekvalitet efter uddannelsen. At forstå, hvordan klar fysioterapi -studerende især er til den digitale transformationsproces, vil vejlede både omstruktureringen af ​​uddannelsesprogrammer og harmonisering af erhvervet med teknologisk udvikling. Undersøgelser har vist, at studerende i sundhedsvidenskaber generelt har adgang til digitale værktøjer, men de oplever forskellige utilstrækkeligheder ved at bruge disse værktøjer effektivt og bevidst. Derudover rapporteres det, at personer, der udvikler en positiv holdning til kunstig intelligens, tilpasser sig disse teknologier hurtigere og opnår mere effektive resultater i uddannelse og klinisk praksis. Imidlertid er antallet af holistiske studier i litteraturen, især dem, der er specifikke for fysioterapi -studerende, hvor kunstige intelligensholdninger, teknologiske accept og digitale kompetenceniveau evalueres sammen, ganske begrænset.

Derfor er begrundelsen for denne forskning at evaluere de digitale kompetenceniveauer for fysioterapi -studerende, deres holdninger til kunstig intelligens og deres tendens til at acceptere kunstige intelligensteknologier, evaluere deres tilpasningsprocesser til digitalisering inden for sundhedsområdet og at producere videnskabelige data, der vil bidrage til uddannelsespolitikker, kursusindhold og kliniske praksisstrategier i denne sammenhæng.

Hovedformålet med denne forskning er at evaluere de digitale kompetenceniveauer for fysioterapi -bachelorstuderende, deres holdninger til kunstig intelligens og deres tendens til at acceptere kunstige intelligensteknologier. Ved at undersøge de mulige forhold mellem disse tre variabler har det desuden til formål at afsløre, i hvilket omfang studerende har udviklet deres faglige kompetencer i en alder af digital transformation og kunstig intelligens. I denne sammenhæng vil de data, der skal opnås, bidrage til bestemmelsen af ​​uddannelsesmæssige behov for digital læsefærdighed og kunstig intelligensbaserede applikationer inden for sundhedsområdet; og vil bane vejen for at forstå niveauet for tilpasning af fremtidige fysioterapeuter til teknologisk udvikling.

Undersøgelsestype

Observationel

Tilmelding (Faktiske)

552

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiesteder

      • Antalya, Kalkun
        • Alanya Alaaddin Keykubat University
      • Denizli, Kalkun
        • Pamukkale University
      • Malatya, Kalkun
        • İnönu University
      • İstanbul, Kalkun
        • Okan University

Deltagelseskriterier

Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.

Berettigelseskriterier

Aldre berettiget til at studere

  • Voksen

Tager imod sunde frivillige

Ja

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

Undersøgelsens univers er bachelorstuderende, der studerer i Institut for Fysioterapi og Rehabilitering ved Okan University, Fakultet for sundhedsvidenskab, Alanya, İnönü, Pamukkale.

Beskrivelse

Inkluderingskriterier:

  • Bestående af studerende, der studerer i et fysioterapi og rehabiliteringsstuderende -program i Türkiye,
  • At acceptere at deltage i forskningen frivilligt og godkende den online informerede samtykkeformular,
  • At være 18 år eller ældre,
  • Udfyldning af undersøgelsesformularen fuldstændigt,
  • Aktivt ved hjælp af mindst en digital enhed (smartphone, computer, tablet osv.)

Ekskluderingskriterier:

  • Studerer i enhver anden afdeling end fysioterapiafdelingen,
  • Udfyldning af undersøgelsen uden at godkende den informerede samtykkeformular,
  • Udfyldning af undersøgelsesformularen ufuldstændigt eller forkert,
  • At være under 18 år

Studieplan

Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

Kohorter og interventioner

Gruppe / kohorte
Fysioterapi -studerende
The acceptance attitude of physiotherapy students towards artificial intelligence and their digital competencies will be conducted in the form of a survey.The characteristics of the study group are that they consist of students studying in a physiotherapy and rehabilitation undergraduate program in Türkiye, that they agree to participate in the study voluntarily and approve the online informed consent form, that they are 18 years of age or older, that they fill out the survey form completely, and that De bruger aktivt mindst en digital enhed (smartphone, computer, tablet osv.).

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Digitale kompetencer skala for universitetsstuderende
Tidsramme: 1 uge
Det er en gyldig og pålidelig skala, der måler universitetsstuderendes digitale kompetencer, der er udviklet på baggrund af den europæiske digitale kompetence -ramme (DigComp). Den originale version af de grundlæggende digitale kompetencer fra universitetsstuderende 2.0 - Cobadi -skala, udviklet af López -Meneses et al. (2013), har 4 faktorer og 31 genstande. De 4 faktorer i Cobadi -skalaen bestemmes som "kompetencer relateret til brugen af ​​ikt i social kommunikation og samarbejdslæring", "kompetencer relateret til brugen af ​​ikt i forskning", "interpersonelle kompetencer i brugen af ​​ikt i universitetets kontekst" og "universitet virtuelle værktøjer og social kommunikation". Der er 12 poster i den første faktor, 11 poster i den anden faktor og 4 poster hver i tredje og fjerde faktorer. En 4-punkts Likert-type blev anvendt i klassificeringen af ​​skalaen. Inden for omfanget af ratings indikerer 1 det mindst kompetenceniveau, mens 4 indikerer det højeste kompetenceniveau. 4-punkts Likert-skalaen co
1 uge

Sekundære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Universitetsstuderendes holdningsskala mod kunstig intelligens
Tidsramme: 1 uge
Universitetsstuderendes holdningsskala mod kunstig intelligens: Det er en 5-punkts Likert-skala, der sigter mod at måle elevernes følelser, tanker og holdninger til kunstig intelligens. Skalaen består af kognitive, affektive og adfærdsmæssige dimensioner. Underdimensionerne i skalaen er; Interesse for kunstig intelligens, bekymring for kunstig intelligens, etiske aspekter og sociale virkninger af kunstig intelligens, muligheder og trusler relateret til brugen af ​​kunstig intelligens i uddannelsen. Dens gyldighed og pålidelighed på tyrkisk blev foretaget af Turgut og Kunuroğlu (2025). Det er en 5-punkts Likert-skala (1: Stærkt uenig-5: stærkt enig) bestående af 26 spørgsmål. Cronbach Alpha i skalaen: 0,89 (total skala) varierer mellem 0,78-0,87 i underdimensioner
1 uge
Generativ kunstig intelligens acceptskala
Tidsramme: 1 uge
Et værktøj til at bestemme, i hvilket omfang individer accepterer kunstige intelligensteknologier, og hvor villige de er til at bruge disse teknologier. For at bestemme det niveau, som generative kunstige intelligensværktøjer (Chatgpt, Dall E, Bard osv.) Accepterer af brugere, og om de er vedtaget eller ej. Det var parat til at måle holdninger, brugsintentioner og opfattelse af enkeltpersoner inden for uddannelsesområdet, især lærerkandidater, studerende og akademikere, mod generativ kunstig intelligens. Skalaen blev udviklet baseret på Davis 'teknologiske acceptmodel (TAM). I henhold til denne model er accept af teknologi relateret til, hvor nyttig og let at bruge den enkelte opfatter teknologien. Det er en 5-punkts Likert-skala med 20 spørgsmål. Det er som følger: 1: Stærkt uenig - 5: Meget enig. Bekræftende faktoranalyse (CFA) blev udført for konstruktionsgyldighed, og det blev bestemt, at
1 uge

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

Efterforskere

  • Ledende efterforsker: Kevser G Gursan, Dr., Uşak University

Datoer for undersøgelser

Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.

Studer store datoer

Studiestart (Faktiske)

11. april 2025

Primær færdiggørelse (Faktiske)

1. juni 2025

Studieafslutning (Faktiske)

1. juni 2025

Datoer for studieregistrering

Først indsendt

15. april 2025

Først indsendt, der opfyldte QC-kriterier

15. april 2025

Først opslået (Faktiske)

23. april 2025

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

6. juni 2025

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

3. juni 2025

Sidst verificeret

1. juni 2025

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • 607-607-05

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

IPD-planbeskrivelse

For at beskytte deltagerens fortrolighed og overholde fortrolighedsforpligtelsen, der er godkendt af etikudvalget, er der ikke planlagt nogen deling af data på individuelt niveau. Derudover dækker beslutningen om etikudvalg, der godkendte undersøgelsen, kun databrug med begrænset adgang. Derfor er det muligvis ikke muligt at dele IPD -data offentligt.

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .

Kliniske forsøg med Digitale kompetencer

Abonner