Evaluierung eines Chatbots mit CALMO (Chatbot-Assisted Learning Model) zur Verbesserung des klinischen Lernens bei Krankenpflegestudenten (CALMO)

Die vorliegende vorgeschlagene Studie wird einen Chatbot entwerfen und entwickeln, um das klinische Lernen von Absolventen der Krankenpflege zu unterstützen. Die Ziele der vorgeschlagenen Studie sind: (1) Entwurf und Entwicklung eines Chatbot-Prototyps, der Gespräche simulieren, klinische Informationen bereitstellen und für verschiedene klinische Szenarien relevante Anleitungen bieten kann; (2) Bewerten Sie die Auswirkungen der Chatbot-Intervention auf das Pflegewissen, die allgemeine Selbstwirksamkeit sowie die Selbstreflexion und Einsicht von Krankenpflegestudenten. (3) Erkunden Sie die Wahrnehmung, Zufriedenheit und Akzeptanz des Chatbots als Lehrmittel durch die Schüler. Die Wirksamkeit dieser Chatbot-Technologie wird mithilfe eines quasi-experimentellen Designs mit gemischten Methoden bewertet. Die vorgeschlagene Studie geht davon aus, dass die Chatbot-gestützte klinische Ausbildung das Potenzial hat, die klinische Leistung zu fördern, indem sie das Pflegewissen, die allgemeine Selbstwirksamkeit sowie die Selbstreflexion und Einsicht verbessert. Die vorgeschlagene Studie wird in zwei Phasen durchgeführt. Phase 1: Entwerfen und entwickeln Sie einen Chatbot-Prototyp, der evidenzbasierte klinische Informationen bereitstellen, einen interaktiven Dialog führen und Lernressourcen anbieten kann, die auf verschiedene klinische Szenarien zugeschnitten sind. Der Chatbot wird über eine webbasierte Plattform oder eine mobile Anwendung zugänglich sein. Phase 2: Führen Sie ein quasi-experimentelles Design mit gemischten Methoden und Fokusgruppeninterviews durch, um die Auswirkungen der Chatbot-Intervention auf das klinische Lernen zu bewerten. Eine Stichprobe von 174 Krankenpflegestudenten, die in einem Krankenpflegeprogramm von zwei Institutionen eingeschrieben sind, wird rekrutiert und entweder der Versuchsgruppe, die Chatbot-gestütztes klinisches Lernen erhält, oder der Kontrollgruppe, die eine traditionelle klinische Ausbildung ohne Chatbot-Integration erhält, zugewiesen. Quantitative Daten werden von den beiden Gruppen zu drei Zeitpunkten gesammelt: vor der Intervention zu Studienbeginn (T0), 4 Wochen nach Studienbeginn (Woche 4, T1) und nach der Intervention (Woche 12; T2), um das Pflegewissen der Schüler zu bewerten. allgemeine Selbstwirksamkeit sowie Selbstreflexion und Einsicht. Durch Fokusgruppeninterviews werden qualitative Daten gesammelt, um die Wahrnehmung, Zufriedenheit und Erfahrungen der Studierenden mit Chatbot-gestütztem Lernen zu untersuchen. Quantitative Daten werden mithilfe von MANOVA analysiert, um die Ergebnisse zwischen und innerhalb von Gruppen zu vergleichen. Für qualitative Daten wird eine thematische Analyse durchgeführt, um aufkommende Themen und Muster im Zusammenhang mit den Wahrnehmungen und Erfahrungen der Schüler mit Chatbots zu identifizieren. Teilnehmer der Experimental Group (EG) erhalten einen Zugangscode für die selbst entwickelte webbasierte Chatbot-Plattform namens CALMO, ein geschlechtsneutraler Name als Akronym für Chatbot-Assisted Learning Model, deren Entwicklung im Rahmen des ersten Projekts geplant ist Phase dieser vorgeschlagenen Studie. Die Intervention wird während der gesamten 12-wöchigen Studie verfügbar sein. Teilnehmer der Kontrollgruppe (CG) erhalten während des Interventionszeitraums ihre übliche klinische Ausbildungsunterstützung. Ein Projektmanagementteam wird gebildet, um die Intervention zu bewerten und die Qualität und Konsistenz sicherzustellen Studienintervention über regelmäßige persönliche oder Online-Meetings. Die Genauigkeit der Studie wird durch die Entwicklung von Mechanismen zur Verfolgung der Anmeldungen der Teilnehmer, der Sitzungsabschlussraten und der Auseinandersetzung mit Interventionsmaterialien sichergestellt. Der Plattformentwickler führt regelmäßige Überprüfungen der Chatbot-Funktionalität durch und stellt regelmäßige Serviceberichte bereit. Es werden Kommunikationskanäle eingerichtet, über die die Teilnehmer Feedback geben, technische Probleme melden oder während der Intervention Unterstützung vom Forschungsteam einholen können. Die Daten werden mithilfe eines Mixed-Methods-Ansatzes analysiert, bei dem sowohl quantitative als auch qualitative Daten kombiniert werden. Die statistische Analyse mit Statistical Package for the Social Sciences (SPSS), Version 26. Die Ausgangsmerkmale der Teilnehmer in den beiden Armen werden verglichen, um klinisch bedeutsame Unterschiede mithilfe des Chi-Quadrat-Tests (für nominale Daten), des Mann-Witney-U-Tests (für ordinale oder Nicht-Normalitätsdaten) oder des t-Tests (für) zu identifizieren Normalitätsdaten). Alle als signifikant unterschiedlich erachteten Variablen werden weiter ausgewertet (z. B. als Kovariaten in die statistischen Analysen einbezogen) und angepasst, um ihre möglichen verwirrenden Auswirkungen auf die Ergebnisse zu berücksichtigen. Um die Hypothese zu testen und dem Clustering-Effekt mit wiederholten Messungen der Ergebnisvariablen Rechnung zu tragen, wird ein multivariater Ansatz wie eine Generalized Estimating Equation (GEE) mit Anpassung der Basisergebnisvariablen zum Testen auf Unterschiede zwischen Gruppen eingesetzt . Wenn Studierende zwischen Studienbeginn und endgültiger Datenerhebung abbrechen, wird die Intention-to-Treat-Analyse angewendet. Sowohl der Zeit-x-Gruppen-Effekt wird mit einer zweiseitigen Typ-I-Fehlerrate von 5 % für alle Signifikanztests getestet. Für qualitative Daten wird eine thematische Analyse durchgeführt, um aufkommende Themen und Muster im Zusammenhang mit den Wahrnehmungen und Erfahrungen der Studierenden zu identifizieren.