Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Physiotherapeuten und künstliche Intelligenz

3. Juni 2025 aktualisiert von: Kevser Gürsan, Uşak University

Anpassung zukünftiger Physiotherapeuten an die Ära der künstlichen Intelligenz: Einstellung künstlicher Intelligenz, Akzeptanz und digitale Kompetenz

Diese Studie ist eine Querschnittsstudie, die im Rahmen des deskriptiven und des relationalen Screening-Modells quantitativer Forschungsmethoden entwickelt wurde. Die Forschung zielt darauf ab, die digitalen Kompetenzniveaus, die Einstellungen zu künstlicher Intelligenz und die Akzeptanz von künstlicher Intelligenz von Studenten der Physiotherapieabteilung zu bewerten und die Beziehungen zwischen diesen Variablen aufzudecken.

Forschungsfragen

  1. Was sind die digitalen Kompetenzniveaus von Physiotherapiestudenten?
  2. Was sind die Einstellungsniveaus der Physiotherapie -Studenten gegenüber künstlichen Intelligenz?
  3. Was sind die Akzeptanzniveaus von Physiotherapiestudenten gegenüber künstlichen Intelligenztechnologien?
  4. Gibt es eine signifikante Beziehung zwischen dem Grad der digitalen Kompetenz und der Haltung gegenüber künstlicher Intelligenz?
  5. Gibt es einen signifikanten Zusammenhang zwischen dem Grad der digitalen Kompetenz und der Akzeptanz künstlicher Intelligenztechnologien?
  6. Gibt es eine signifikante Beziehung zwischen der Einstellung zur künstlichen Intelligenz und dem Akzeptanzniveau der Technologien für künstliche Intelligenz?
  7. Gibt es einen signifikanten Unterschied zwischen den digitalen Kompetenz der Teilnehmer, der Einstellung zu künstlicher Intelligenz und Akzeptanzniveau gemäß Variablen wie Geschlecht, Klassenstufe und Dauer des digitalen Werkzeuggebrauchs? Das Universum der Forschung besteht aus Studenten, die an der Fakultät für Gesundheitswissenschaften, Alanya, İnönü, Pamukkale, Universität von der Okan, an der Fakultät für Gesundheitswissenschaften, die Fakultät für Gesundheitswissenschaften, studieren. Die Stichprobe der Forschung soll ungefähr 600 Studenten betragen, die zufällig von vier verschiedenen Universitäten ausgewählt werden, um verschiedene geografische Regionen zu repräsentieren, und auf freiwilliger Basis bestimmt.

Die Forschung soll aus Studenten bestehen, die im Bachelor -Programm für Physiotherapie und Rehabilitation in Türkiye studieren. Während des Sammelns der Daten, des Einführungsformulars, digitaler Kompetenzen werden die Studierenden der Universität, die Einstellung der Einstellungen der Universitätsstudenten zu künstlicher Intelligenz und produktive Skala für künstliche Intelligenz -Akzeptanz verwendet.

Die gesammelten Daten werden mit dem Programm SPSS (Statistical Package for Social Sciences) analysiert. Die Kolmogorov-Smirnov- und Shapiro-Wilk-Tests werden verwendet, um zu bewerten, ob die Daten normalerweise verteilt sind. In Variablen werden normal verteilt: Mittelwert, Standardabweichung, unabhängige Proben-T-Test, ANOVA und Pearson-Korrelationstest werden verwendet. In der nicht normalen Verteilung: Median, Mindestmaximum, Mann-Whitney-U-Test, Kruskal-Wallis-Test werden Spearman-Korrelationstests angewendet. Darüber hinaus wird eine Regressionsanalyse durchgeführt, um die Beziehungen zwischen den soziodemografischen Informationen der Schüler, der digitalen Kompetenz, der Einstellung künstlicher Intelligenz und der Akzeptanz von künstlicher Intelligenz zu bewerten. P <0,05 wird als Signifikanzniveau akzeptiert.

Studienübersicht

Detaillierte Beschreibung

Schnelle Entwicklungen in der Digitalisierung und der Technologien für künstliche Intelligenz haben zu erheblichen Veränderungen in der Art und Weise geführt, wie Gesundheitsdienste erbracht werden. Heutzutage werden künstliche Intelligenz unterstützte Anwendungen in vielen Bereichen im Gesundheitswesen aktiv angewendet, von der frühzeitigen Diagnose von Krankheiten bis hin zur Behandlung, von der Nachuntersuchung der Patienten bis zur personalisierten Versorgungsplanung. In Disziplinen, in denen klinische Entscheidungsprozesse wichtig sind, wie Physiotherapie und Rehabilitation, werden digitale Werkzeuge und künstliche Intelligenzsysteme mit Bewegungsanalyse, Trainingsverfolgung, Rehabilitationsrobotern, virtuellen Realitätsbehandlungen und künstlichen Intelligenz-Support-mobilen Anwendungen in das Feld integriert. Diese technologische Transformation beeinflusst nicht nur die berufliche Praxis, sondern auch die Berufsbildung. Das digitale Kompetenzniveau von Universitätsstudenten, die Gesundheitserziehung erhalten, ihre Fähigkeit zur Einführung von Technologien und ihre Einstellungen zu künstlicher Intelligenz sind sowohl hinsichtlich ihrer individuellen beruflichen Entwicklung als auch nach dem Abschluss von der Qualität von entscheidender Bedeutung. Wenn Sie verstehen, wie bereit Physiotherapie -Studenten insbesondere für den digitalen Transformationsprozess sind, wird sowohl die Umstrukturierung von Bildungsprogrammen als auch die Harmonisierung des Berufs mit technologischen Entwicklungen leiten. Studien haben gezeigt, dass Studenten im Gesundheitswissenschaften im Allgemeinen Zugang zu digitalen Tools haben, aber verschiedene Unzulänglichkeiten bei der effektiven und bewussten Verwendung dieser Tools erleben. Darüber hinaus wird berichtet, dass Personen, die eine positive Einstellung zur künstlichen Intelligenz entwickeln, schneller an diese Technologien anpassen und effizientere Ergebnisse bei Bildung und klinischen Praktiken erzielen. Die Anzahl der ganzheitlichen Studien in der Literatur, insbesondere diejenigen, die für Physiotherapiestudenten spezifisch sind, in denen die Einstellung künstlicher Intelligenz, die Akzeptanz und digitale Kompetenzniveaus zusammen bewertet werden, ist jedoch recht begrenzt.

Daher besteht die Begründung dieser Forschung darin, die digitalen Kompetenzniveaus von Physiotherapiestudenten, ihre Einstellungen zur künstlichen Intelligenz und ihre Tendenz, künstliche Intelligenztechnologien zu akzeptieren, zur Bewertung ihrer Anpassungsprozesse für die Digitalisierung im Bereich Gesundheitszustand und zur Erstellung wissenschaftlicher Daten in diesem Kontext zu bewerten.

Der Hauptzweck dieser Forschung besteht darin, die digitalen Kompetenzniveaus der Studenten der Physiotherapie, ihre Einstellungen zur künstlichen Intelligenz und ihre Tendenz zur Akzeptanz künstlicher Intelligenztechnologien zu bewerten. Durch die Untersuchung der möglichen Beziehungen zwischen diesen drei Variablen zielt darauf ab, inwieweit die Schüler ihre beruflichen Kompetenzen im Zeitalter der digitalen Transformation und der künstlichen Intelligenz entwickelt haben. In diesem Zusammenhang tragen die zu erhaltenen Daten zur Bestimmung des Bildungsbedarfs für digitale Kompetenz und künstliche Intelligenzanwendungen im Bereich Gesundheit bei. und wird den Weg zum Verständnis der Anpassung zukünftiger Physiotherapeuten an technologische Entwicklungen ebnen.

Studientyp

Beobachtungs

Einschreibung (Tatsächlich)

552

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

      • Antalya, Truthahn
        • Alanya Alaaddin Keykubat University
      • Denizli, Truthahn
        • Pamukkale University
      • Malatya, Truthahn
        • Inonu University
      • İstanbul, Truthahn
        • Okan University

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Erwachsene

Akzeptiert gesunde Freiwillige

Ja

Probenahmeverfahren

Wahrscheinlichkeitsstichprobe

Studienpopulation

Das Universum der Studie sind Studenten, die an der Abteilung für Physiotherapie und Rehabilitation der Universität Okan, Fakultät für Gesundheitswissenschaften, Alanya, İnönü, Pamukkale, studieren.

Beschreibung

Einschlusskriterien:

  • Bestehend aus Studierenden, die in einem Physiotherapie- und Rehabilitations -Bachelor -Programm in Türkiye studieren,
  • Zustimmung zur Teilnahme an der Forschung und zur Genehmigung des Online -Einverständnisformulars zur Einverständniserschaft, genehmigt,
  • 18 Jahre oder älter sein,
  • Vollständiges Ausfüllen des Umfrageformulars,
  • Aktiviert aktiv mindestens ein digitales Gerät (Smartphone, Computer, Tablet usw.)

Ausschlusskriterien:

  • Studieren in einer anderen Abteilung als der Physiotherapieabteilung,
  • Ausfüllen der Umfrage ohne Genehmigung des Formulars für die Einverständniserklärung,
  • Ausfüllen des Umfrageformulars unvollständig oder fälschlicherweise,
  • Unter 18 Jahren sein

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Physiotherapie Studenten
Die Akzeptanzeinstellung von Physiotherapiestudenten gegenüber künstlichen Intelligenz und ihre digitalen Kompetenzen wird in Form einer Umfrage durchgeführt. Die Merkmale der Studiengruppe bestehen darin, dass sie aus Studenten bestehen, die in einer Physiotherapie und Rehabilitation studieren, und die Rehabilitation studiert Bachelor -Programm. Verwenden Sie aktiv mindestens ein digitales Gerät (Smartphone, Computer, Tablet usw.).

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Digitale Kompetenzen skalieren für Universitätsstudenten
Zeitfenster: 1 Woche
Es ist eine gültige und zuverlässige Skala, die die digitalen Kompetenzen von Universitätsstudenten misst, die auf der Grundlage des europäischen digitalen Kompetenz -Frameworks (DigComp) entwickelt wurden. Die Originalversion der grundlegenden digitalen Kompetenzen der Studenten der Universitätsstudenten 2.0 - Cobadi -Skala, entwickelt von López -Menes et al. (2013) hat 4 Faktoren und 31 Artikel. Die 4 Faktoren in der Cobadi -Skala werden als "Kompetenzen im Zusammenhang mit der Nutzung von IKT in der sozialen Kommunikation und dem kollaborativen Lernen", "Kompetenzen im Zusammenhang mit der Nutzung von IKT in der Forschung", "zwischenmenschliche Kompetenzen in der Nutzung von IKT im Universitätskontext" und "virtuellen Tools der Universität" und "virtuellen Instrumenten und sozialer Kommunikation" bestimmt. Es gibt 12 Elemente im ersten Faktor, 11 Elemente im zweiten Faktor und jeweils 4 Elemente im dritten und vierten Faktoren. Bei der Bewertung der Skala wurde ein 4-Punkte-Likert-Typ verwendet. Im Rahmen der Bewertungen zeigt 1 das geringste Kompetenzniveau an, während 4 das höchste Kompetenzniveau angibt. Die 4-Punkte-Likert-Skala CO
1 Woche

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Einstellungsskala der Universitätsstudenten gegenüber künstlicher Intelligenz
Zeitfenster: 1 Woche
Einstellungsskala der Universitätsstudenten gegenüber künstlicher Intelligenz: Es ist eine Skala mit 5-Punkte-Likert-Typ, die darauf abzielt, die Gefühle, Gedanken und Einstellungen der Schüler gegenüber künstlicher Intelligenz zu messen. Die Skala besteht aus kognitiven, affektiven und Verhaltensdimensionen. Die Unterdimensionen der Skala sind; Interesse an künstlicher Intelligenz, Bedenken hinsichtlich künstlicher Intelligenz, ethischen Aspekte und sozialen Auswirkungen künstlicher Intelligenz, Chancen und Bedrohungen im Zusammenhang mit der Verwendung künstlicher Intelligenz in der Bildung. Seine Gültigkeit und Zuverlässigkeit in Türkisch wurden von Turgut und Kunuroğlu (2025) gemacht. Es handelt sich um eine 5-Punkte-Likert-Skala (1: stimmt stark zu-5: Stark zustimmen), die aus 26 Fragen besteht. Cronbach Alpha der Skala: 0,89 (Gesamtskala) variiert zwischen 0,78 und 0,87 in den Unterdimensionen
1 Woche
Generative künstliche Intelligenz Akzeptanzskala
Zeitfenster: 1 Woche
Ein Instrument zur Bestimmung, inwieweit Einzelpersonen künstliche Intelligenztechnologien akzeptieren und wie bereit sie sind, diese Technologien zu verwenden. Um die Ebene zu bestimmen, auf der generative Tools für künstliche Intelligenz (Chatgpt, Dall E, Barde usw.) von Benutzern akzeptiert werden und ob sie übernommen werden oder nicht. Es war bereit, die Einstellungen, Verwendungsabsichten und Wahrnehmungen von Personen im Bildungsbereich, insbesondere Lehrerkandidaten, Schüler und Akademiker, zu messen zu messen. Die Skala wurde basierend auf Davis 'Technologieakzeptanzmodell (TAM) entwickelt. Nach diesem Modell hängt die Akzeptanz von Technologie damit zusammen, wie nützlich und einfach zu nutzen, um die Technologie zu nennen. Es ist eine 5-Punkte-Likert-Skala mit 20 Fragen. Es ist wie folgt: 1: Stark nicht zustimmen - 5: Stimmen Sie stark zu. Die Bestätigungsfaktoranalyse (CFA) wurde zur Konstruktvalidität durchgeführt, und es wurde bestimmt, dass dies bestimmt wurde
1 Woche

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Ermittler

  • Hauptermittler: Kevser G Gursan, Dr., Uşak University

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

11. April 2025

Primärer Abschluss (Tatsächlich)

1. Juni 2025

Studienabschluss (Tatsächlich)

1. Juni 2025

Studienanmeldedaten

Zuerst eingereicht

15. April 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

15. April 2025

Zuerst gepostet (Tatsächlich)

23. April 2025

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

6. Juni 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

3. Juni 2025

Zuletzt verifiziert

1. Juni 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • 607-607-05

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Beschreibung des IPD-Plans

Um die Vertraulichkeit der Teilnehmer zu schützen und das vom Ethikausschuss genehmigte Vertraulichkeitsgagement einzuhalten, ist keine Teile von Daten auf individueller Ebene geplant. Darüber hinaus deckt die Entscheidung des Ethikausschusses, die die Studie genehmigte, nur mit begrenztem Zugriff ab. Daher ist es möglicherweise nicht möglich, IPD -Daten öffentlich zu teilen.

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Klinische Studien zur Digitale Kompetenzen

Abonnieren