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

Indflydelsen af diskussion om kunstig intelligens på jordemoderstuderende

18. marts 2026 opdateret af: Ayşe Gül Bursa, Fenerbahce University

Indflydelsen af kunstig intelligens-assisteret casetolkning på holdninger til kunstig intelligens, brug og færdigheder blandt jordemoderstuderende

Denne undersøgelse havde til formål at undersøge effekten af kunstig intelligens-assisterede kasusdiskussioner på jordemoderstuderendes brug og færdigheder inden for kunstig intelligens-teknologier og deres kliniske kompetenceniveauer. Med den hurtige udvikling af kunstig intelligens er dens integration i sundhedsuddannelser blevet stadig vigtigere. At støtte kasusbaseret læring med AI-værktøjer kan forbedre studerendes kliniske beslutningstagning, problemløsning og kritiske tænkningsevner. Derfor evaluerer denne undersøgelse bidraget fra AI-assisterede uddannelsestilgange til jordemoderstuderendes professionelle udvikling.

Studieoversigt

Status

Ikke rekrutterer endnu

Betingelser

Detaljeret beskrivelse

Kunstig intelligens (AI), som henviser til computerstøttede systemer i stand til at udføre opgaver, der kræver menneskelig intelligens, er blevet stadig mere populær på alle områder i de seneste år. AI er et teknologisk system, der kan tænke, lære, opfatte, foretage forudsigelser, kommunikere og træffe beslutninger som mennesker – eller endda bedre end mennesker. Kort sagt kan AI beskrives som et bredt videnskabeligt område, der simulerer den naturlige intelligens, som mennesker udviser, gennem kunstige midler.

AI's evne til at behandle de data, der præsenteres for systemet, udføre dataanalyser, generere nye ideer og nå frem til forskellige konklusioner har øget brugen af AI. Disse funktioner kan overgå menneskelige problemløsnings- og beslutningsevner i forhold til hastighed, effektivitet og kvalitet. På grund af disse fordele er brugen af kunstig intelligens i jordemoderuddannelsen blevet uundgåelig.

Australian College of Midwives (ACM) etablerede udvalget Select Committee on Adopting Artificial Intelligence i marts 2024 for at støtte og regulere indførelsen af AI. Dette udvalg understregede nødvendigheden og prioriteten af at bruge AI i jordemoderuddannelsen. Det fremhævede også, at jordemødre skal trænes i brugen af AI og bør være en integreret del af design, implementering og evaluering af alle AI-værktøjer, der bruges i fødselspleje (ACM, 2024).

Hvad angår brugen af AI i sundhedssektoren har Verdenssundhedsorganisationen (WHO) identificeret tre strategiske planer: muliggøre evidensbaserede standarder, governance, politikker og vejledninger; lette delte investeringer og et globalt fællesskab af ekspertise; og implementere bæredygtige modeller for indførelsen af AI-programmer på nationalt niveau (WHO, 2024). I overensstemmelse med disse strategier er det nødvendigt at integrere AI-applikationer i jordemoderprofessionen.

Med indflydelsen af hurtigt udviklende teknologi er det blevet uundgåeligt at forbedre jordemoderuddannelsen. I traditionelle uddannelsesmetoder spiller instruktøren en aktiv rolle, mens eleverne forbliver passive. Men for at læring skal være effektiv, bør der skabes muligheder for, at eleverne aktivt kan øve deres færdigheder og udvikle kritiske tankeevner. Case-baseret læring i jordemoderuddannelsen er en metode, der kan forbedre elevernes logiske, kliniske og deltagende færdigheder, samtidig med at det øger deres videniveau.

At støtte case-baseret læring med kunstig intelligens-værktøjer kan bidrage til mere præcis diagnose og udvikling af klinisk beslutningstagning og problemløsningsfærdigheder. På denne måde bliver det muligt at uddanne kompetente jordemødre, der er selvsikre og i stand til at bruge teknologi effektivt.

Formålet med denne undersøgelse er at undersøge effekten af kunstig intelligens-assisterede casediskussioner på jordemoderstuderendes brug og færdighed i kunstig intelligens-teknologier og deres kliniske kompetenceniveauer.

Undersøgelsestype

Interventionel

Tilmelding (Anslået)

81

Fase

  • Ikke anvendelig

Kontakter og lokationer

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

Studiekontakt

Undersøgelse Kontakt Backup

  • Navn: Sinem Dinmez, Assistant Professor
  • Telefonnummer: +905063568804

Studiesteder

    • Atasehır
      • Istanbul, Atasehır, Tyrkiet (Türkiye), 34758
        • Fenerbahçe 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

  • Barn
  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

Ja

Beskrivelse

Inklusionskriterier:

  • At være 3./4. års studerende på Jordemoderafdelingen
  • At have gennemført kurser om Sund og Højrisiko Graviditet
  • At have udarbejdet og præsenteret mindst én jordemoderplejeplan

Eksklusionskriterier:

  • At have brugt mere end 20% fravær i feltapplikationer

Studieplan

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

Hvordan er undersøgelsen tilrettelagt?

Design detaljer

  • Primært formål: Sundhedstjenesteforskning
  • Tildeling: Randomiseret
  • Interventionel model: Parallel tildeling
  • Maskning: Enkelt

Våben og indgreb

Deltagergruppe / Arm
Intervention / Behandling
Eksperimentel: AI Case Group
Studerende i den eksperimentelle gruppe vil blive præsenteret med en casescenario og få 30 minutter til at gennemgå den. I denne tid vil de blive bedt om at udvikle en plejeplan for casen. Derefter, inden for en 60-minutters session, vil forskeren præsentere en plejeplan udarbejdet med kunstig intelligens-assistance til samme case. En casediskussion vil derefter blive gennemført ved at sammenligne plejeplanerne udviklet af de studerende med den AI-assisterede plejeplan.
Studerende i den eksperimentelle gruppe vil blive præsenteret for en casescenario og få 30 minutter til at gennemgå den. I denne periode vil de blive bedt om at udarbejde en plejeplan for casen. Derefter vil forskeren, inden for en 60-minutters session, præsentere en plejeplan udarbejdet med kunstig intelligens-assistance for den samme case. En casediskussion vil derefter blive gennemført ved at sammenligne de plejeplaner, som de studerende har udarbejdet, med den AI-assisterede plejeplan.
Ingen indgriben: Kontrol
Diskussion af rutinemæssigt implementeret vedligeholdelsesplan

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Niveau for kunstig intelligens brug
Tidsramme: Gennem studieafslutning, i gennemsnit 3 måneder
Ændringer i niveauet af AI-anvendelse blandt jordemoderstuderende efter træning, sammenlignet med baselineværdier. Student Attitudes toward Artificial Intelligence Scale (SATAI), udviklet i 2025, vil blive brugt til måling.Skalaen, udviklet ved hjælp af en fempunkts Likert-skala (1=Meget uenig og 5=Meget enig), indeholder ikke nogen omvendt-kodede emner. Den højest mulige score på skalaen er 130, og den laveste er 26, hvor højere scorer afspejler mere positive holdninger til kunstig intelligens.
Gennem studieafslutning, i gennemsnit 3 måneder
Brug og færdighedsniveau
Tidsramme: Gennem studiefærdiggørelse, i gennemsnit 3 måneder
Dette vil blive målt ved hjælp af Generative Artificial Intelligence Use and Proficiency (GAAP) skalaen, udviklet i 2024. Planlagt som en fempunkts Likert-skala (fuldt reflekterende = 5 point - ikke reflekterende = 1 point), indikerer en stigning i scoren opnået fra denne skala et højt niveau af kunstig intelligens brug og færdighed. Den mindst mulige score på skalaen er 19, og den maksimale er 95.
Gennem studiefærdiggørelse, i gennemsnit 3 måneder

Samarbejdspartnere og efterforskere

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

Efterforskere

  • Studieleder: Sinem Dinmez, Assistant Professor, Mudanya University
  • Studieleder: Zeynep Ogul, Assistant Professor

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 (Anslået)

16. marts 2026

Primær færdiggørelse (Anslået)

8. juni 2026

Studieafslutning (Anslået)

20. juli 2026

Datoer for studieregistrering

Først indsendt

13. marts 2026

Først indsendt, der opfyldte QC-kriterier

18. marts 2026

Først opslået (Faktiske)

24. marts 2026

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

24. marts 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

18. marts 2026

Sidst verificeret

1. marts 2026

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • Fenerbahce U Midwifery

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

IPD-planbeskrivelse

Vi overvejer ikke en eksplosion endnu, fordi dataindsamling ikke er begyndt.

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 Eksperimentel AI-sagsgruppe

Abonner