Vermittlung des Geburtsmechanismus durch Virtual Reality

In den letzten Jahren haben viele Studien gezeigt, dass technologieunterstütztes Lernen ein neuer Lernansatz ist (1); Insbesondere Lernumgebungen mit Techniken der virtuellen Realität (VR) sind zu einem leistungsstarken Werkzeug für Lehrende und Lernende geworden (3, 4). In verschiedenen Bereichen wurden erhebliche Fortschritte erzielt, die es den Schülern ermöglichen, mit der virtuellen Welt zu interagieren. Diese Technologien unterstützen viele Bildungsaktivitäten, die ursprünglich in webbasierten Lernumgebungen angeboten wurden. In der Hebammenausbildung hat sich der Einsatz von Simulationen in den letzten zehn Jahren zu einer wichtigen Trainingsmethode entwickelt (2). Simulation ist eine Methode, die eine klinische Situation so realitätsnah wie möglich widerspiegelt, wodurch sie leichter zu verstehen und zu handhaben ist, wenn diese Situation in der klinischen Praxis tatsächlich vorkommt. Durch die Gewährleistung der Patientensicherheit und die Bemühungen zur Steigerung der Kompetenz der Studierenden hat sich der Einsatz von Simulationen in der Ausbildung von Gesundheitsfachkräften weiter verbreitet (5). Der Einsatz von Virtual Reality in der Hebammenausbildung wird es den Studierenden ermöglichen, Hebammenpraktiken effektiv zu nutzen, bevor sie in die klinische Praxis gehen. Das Unterrichten der Geburt, die einer der Eckpfeiler der Hebammenausbildung ist und bei der die Schüler die Möglichkeit finden, klinisch zu üben, mit Virtual-Reality-Anwendung, wird klinische Anwendungsfehler minimieren und eine frühzeitige Diagnose von nachteiligen Zuständen wie fetaler Präsentation und Plazentaanomalien ermöglichen kann bei der Geburt auftreten.

Art der Studie: Die Studie ist eine experimentelle Studie, die als Versuchs- und Kontrollgruppe geplant ist.

Die Untersuchung besteht aus 2 Teilen. In Teil I wird eine Virtual-Reality-Anwendung entwickelt. Virtuelle Geburtssoftware wird durch Dienstleistungsbeschaffung vorbereitet. Dafür werden von den Forschern Algorithmen erstellt, indem sie die Physiologie, die Stadien, den Mechanismus und die Anatomie der Frau im Detail aufschreiben.

II. Die Anwendung der Forschung erfolgt im Fachbereich.

ABSCHNITT I: Entwicklung einer Virtual-Reality-Anwendung

Im 1. Teil der Forschung wird eine virtuelle Geburtssoftware durch Dienstleistungseinkauf erstellt. Dafür werden von den Forschern Algorithmen erstellt, indem sie die Physiologie, die Stadien, den Mechanismus und die Anatomie der Frau im Detail aufschreiben. Dieser Algorithmus wird basierend auf den Bildern und Zeichnungen der Anatomie der Frau aus den Geburtsatlanten und den realen Bildern, die im Moment der Geburt im Internet geteilt werden, auf die Brille übertragen. Wie im Budgetformular angegeben, werden Leistungen für die Entwicklung der virtuellen Geburtssoftware beschafft.

Mit der virtuellen Geburtsanwendung

• Um die Physiologie und den Mechanismus der Geburt zu lernen,
• Um den Geburtsverlauf zu überwachen und Abweichungen vom Normalzustand zu verstehen,
• Normale Geburt lernen,
• Es bietet die Möglichkeit, alle Notfälle zu sehen, die bei der Geburt auftreten können, und außerdem werden die Informationen lange in Erinnerung bleiben. Auf diese Weise soll die Wirksamkeit der virtuellen Geburt in der Hebammenausbildung evaluiert werden.

II. Abteilung: Anwendung der Forschung

In diesem letzten Teil der Forschung wurde mit dem Anwendungsteil der Forschung begonnen. Die Forschung besteht aus 3 Gruppen, 2 Versuchsgruppen und einer Kontrollgruppe. 35 Studenten werden als Ergebnis der mit 0,95-Leistung berechneten G-Leistungsanalyse in jede Gruppe aufgenommen.

Das Universum der Forschung wird aus 464 Hebammenstudenten bestehen, die an der Universität Karabük studieren.

Die Stichprobe besteht aus 105 Hebammenstudenten, 35 Kontrollen, 35 Experiment I und 35 Experiment II, als Ergebnis der G-Power-Analyse, berechnet mit 0,95 Potenz, unter Hebammenstudenten, die den Geburtsmechanismus 4 Stunden theoretisch in ihren Lehrplan aufgenommen haben Umfang des normalen Geburtsunterrichts.

Auf der ersten Stufe: Nach 4 Stunden Theorietraining für alle drei Gruppen wird der von den Forschern zu erstellende Informationsbogen (DEDBF) für diese Forschung als erster Test angewendet.

In der zweiten Stufe: Keine Anwendung bei der Kontrollgruppe, computergestützte und geführte Virtual-Reality-Anwendung wird bei der Experimentalgruppe angewendet, und computerfreie und nicht-geführte virtuelle Anwendung wird bei der Experimentalgruppe II überwacht.

In der dritten Stufe: DEDBF-Fragen werden ersetzt und Posttests werden angewendet. Nach dem 4-stündigen Theorietraining für die Kontrollgruppe erfolgt der Nachtest, nachdem die virtuelle Geburtsanwendung an den Experimentiergruppen angeschaut wurde. Außerdem werden in dieser Phase „Cognitive Load Scale“ und „Feel of Inventory“ nach der Anwendung auf die experimentellen Gruppen angewendet.

In der vierten Stufe: Nach drei Wochen wird der DEDBF erneut auf die drei Gruppen angewendet und die Wirksamkeit der Anwendung der virtuellen Geburt beim Abrufen und Abrufen der Informationen überprüft.

Bei Bewerbungen, Experimenten und Kontrollgruppen werden Videos und Bilder aufgenommen und visuell in der Arbeit veröffentlicht.

Studierende, die nicht an der Studie teilnehmen konnten und bei der Randomisierung als Kontrollgruppe ausgewählt wurden, werden nach der Studie ebenfalls mit einer Virtual-Reality-Brille ausgestattet, damit alle Studierenden den virtuellen Geburtsantrag sehen und eine Gleichstellung erreicht wird.

Tools zur Datenerfassung:

Datenerhebungsbogen: Es ist geplant, einen aus 15 Fragen bestehenden Fragebogen zu verwenden, der die Merkmale der Teilnehmenden wie Alter, Familienstand, Bildungsstand und Familientyp beinhaltet.

Birth Action Assessment Information Scale (DEDBF): Die Skala wird von den Forschern selbst für die Verwendung in dieser Arbeit erstellt. Für die Erstellung des Formulars wurden die neuesten Literaturinformationen von den Forschern überprüft, das von YÖK erstellte Hebammen-Kerncurriculum (EUÇEP) und ein Informationsformular mit 42 Fragen, das Elemente zu Physiologie, Stadien und Geburtsmechanismus enthält, erstellt. Die Items des Informationsbogens werden den Schülern in Form eines vollständigen Satzes präsentiert, der wahr oder falsch sein kann, und die Schüler werden gebeten, diese Aussagen mit „Richtig“ oder „Falsch“ zu beantworten. Die Gesamtantwortzeit beträgt 30 Minuten. Richtige Antworten werden mit 1 Punkt bewertet, falsche Antworten werden mit 0 Punkten bewertet. Im Informationsformular wurden auch falsche Ausdrücke verwendet, und diese Items wurden im Vergleich zu anderen umgekehrt codiert. Die niedrigste aus dem Informationsbogen zu entnehmende Punktzahl ist 0 und die höchste Gesamtpunktzahl 42.

Kognitive Belastungsskala: Kılıç et al. (2004) „Cognitive Load Scale“ (BYÖ) adaptiert auf Türkisch wird verwendet. Es hat einen Faktor und neun Punkte (sehr wenig, sehr wenig, wenig, teilweise wenig, weder mehr noch weniger, mehr, mehr, mehr, mehr, mehr, mehr oder mehr). Der interne Konsistenzkoeffizient von Cronbach Alpha der Originalversion wurde mit 0,90 ermittelt (7). Kilic et al. (2004) in der Anpassungsstudie wurde der interne Konsistenzkoeffizient von Cronbach Alpha mit 0,78 ermittelt. Der niedrigste Punkt der aus der Skala erhaltenen Punktzahl ist 1,00, der mittlere Punkt ist 5,00 und der höchste Punkt ist 9,00. Teilnehmer mit weniger als fünf Punkten wurden als „kognitiv überlastet“ und Teilnehmer mit mehr als fünf Punkten als „kognitiv überlastet“ bewertet.

Verfügbarkeits-Empfindlichkeits-Skala: Es ist die Skala, deren ursprüngliche Gültigkeit auf Türkisch 2018 von Gökoğlu et al. Die Skala wird in Virtual-Reality-basierten Lernumgebungen gemessen. Die Skala hat 5 Faktoren (Subskala), nämlich Partizipation (Faktor 1), Zusammenhalt / Umgebung (Faktor 2), Sensorisches Engagement (Faktor 3), Interaktion (Faktor 4) und Schnittstellenqualität (Faktor 5) und besteht aus 29 Fragen (8 ). Gemäß der explorativen Faktorenanalyse (AFA) und konfirmatorischen Faktorenanalyse (CFA) betrug die durch die 5-Faktoren-Struktur erklärte Gesamtvarianz 41,197 % und der Zuverlässigkeitskoeffizient der Skala 0,844.

Datenanalyse der Forschung: Die Analyse der Daten der Studie erfolgt mit IBM SPSS für Mac Book 24 Version.