Syntymämekanismin opettaminen virtuaalitodellisuudessa

Viime vuosina monet tutkimukset ovat osoittaneet, että teknologiaavusteinen oppiminen on uusi oppimistapa (1); Erityisesti virtuaalitodellisuustekniikoita (VR) käyttävistä oppimisympäristöistä on tullut tehokas työkalu opettajille ja opiskelijoille (3, 4). Eri aloilla on edistytty merkittävästi, mikä mahdollistaa opiskelijoiden vuorovaikutuksen virtuaalimaailman kanssa. Nämä teknologiat tukevat monia alun perin verkkopohjaisissa oppimisympäristöissä tarjottua koulutustoimintaa. Kätilökoulutuksessa simulaation käyttö on noussut tärkeäksi koulutusmenetelmäksi viimeisen vuosikymmenen aikana (2). Simulaatio on menetelmä, joka heijastaa kliinistä tilannetta mahdollisimman lähellä todellisuutta, mikä helpottaa sen ymmärtämistä ja hallintaa, kun tämä tilanne todella kohdataan kliinisessä käytännössä. Potilasturvallisuuden varmistaminen ja opiskelijoiden osaamisen lisääminen ovat mahdollistaneet simulaation käytön yleistymisen terveydenhuollon ammattilaisten koulutuksessa (5). Virtuaalitodellisuuden käyttö kätilökoulutuksessa antaa opiskelijoille mahdollisuuden käyttää kätilökäytäntöjä tehokkaasti ennen kliiniseen työhön siirtymistä. Synnytyksen opettaminen, joka on yksi kätilökoulutuksen kulmakivistä ja jossa opiskelijat löytävät mahdollisuuden harjoitella kliinisesti virtuaalitodellisuuden sovelluksella, minimoi kliinisen sovelluksen virheet ja mahdollistaa haitallisten tilojen, kuten sikiön esillepanon ja istukan poikkeavuuksien, varhaisen diagnoosin. voi esiintyä syntymässä.

Tutkimuksen tyyppi: Tutkimus on kokeellinen tutkimus, joka on suunniteltu kokeellisena ja kontrolliryhmänä.

Tutkimus koostuu 2 osasta. Osassa I kehitetään virtuaalitodellisuussovellus. Palveluhankinnoilla valmistellaan virtuaalisia synnytysohjelmistoja. Tätä varten tutkijat luovat algoritmeja kirjoittamalla yksityiskohtaisesti naisen fysiologian, vaiheet, mekanismin ja anatomian.

II. Tutkimuksen soveltaminen tehdään laitoksella.

OSA I: Virtuaalitodellisuussovelluksen kehittäminen

Tutkimuksen ensimmäisessä osassa valmistellaan palveluhankinnoilla virtuaalisia synnytysohjelmistoja. Tätä varten tutkijat luovat algoritmeja kirjoittamalla yksityiskohtaisesti naisen fysiologian, vaiheet, mekanismin ja anatomian. Tämä algoritmi siirretään laseihin syntymäkartastojen naisen anatomiasta otettujen kuvien ja piirustusten sekä internetissä syntymähetkellä jaettujen kuvien perusteella. Kuten budjettilomakkeessa todetaan, virtuaalisen synnytysohjelmiston kehittämiseen hankitaan palvelut.

Virtuaalisen synnytyssovelluksen avulla

• Oppia syntymän fysiologia ja mekanismi,
• Seurata synnytyksen etenemistä ja ymmärtää poikkeamat normaalista,
• Normaalin synnytyksen oppiminen,
• Se tarjoaa mahdollisuuden nähdä kaikki syntymässä mahdollisesti kohdattavat hätätilanteet ja näiden lisäksi tieto jää mieleen pitkään. Tällä tavoin arvioidaan virtuaalisyntymisen tehokkuutta kätilökoulutuksessa.

II. Osasto: Tutkimuksen soveltaminen

Tässä tutkimuksen viimeisessä osassa on aloitettu tutkimuksen sovellusosa. Tutkimus koostuu 3 ryhmästä, 2 koeryhmästä ja kontrolliryhmästä. Jokaiseen ryhmään otetaan 35 opiskelijaa 0,95 teholla lasketun G-tehoanalyysin tuloksena.

Tutkimuksen universumi koostuu 464 Karabükin yliopistossa opiskelevasta kätilöopiskelijasta.

Otos koostuu 105 kätilöopiskelijasta, 35 kontrollista, 35 kokeesta I ja 35 kokeesta II 0,95 potenssilla lasketun G-tehoanalyysin tuloksena kätilöopiskelijoista, jotka käyttivät synnytysmekanismia teoreettisesti opetussuunnitelmassaan 4 tuntia. normaalin synnytystunnin laajuus.

Ensimmäisessä vaiheessa: 4 tunnin teoriakoulutuksen jälkeen kaikille kolmelle ryhmälle sovelletaan ensimmäisenä kokeena tutkijoiden laatimaa tietolomaketta (DEDBF) tässä tutkimuksessa käytettäväksi.

Toisessa vaiheessa: Kontrolliryhmään ei tehdä hakemusta, koeryhmään sovelletaan tietokoneavusteista ja ohjattua virtuaalitodellisuussovellusta ja koeryhmälle II seurataan tietokoneetonta ja ohjaamatonta virtuaalisovellusta.

Kolmannessa vaiheessa: DEDBF-kysymykset korvataan ja jälkitestejä sovelletaan. Kontrolliryhmän 4 tunnin teoriakoulutuksen jälkeen tehdään jälkitesti, kun virtuaalista synnytyssovellusta on katsottu koeryhmissä. Myös tässä vaiheessa "Kognitiivinen kuormitusasteikko" ja "Inventaarion tunne" sovelletaan koeryhmiin hakemuksen jälkeen.

Neljännessä vaiheessa: Kolmen viikon kuluttua DEDBF:ää sovelletaan uudelleen kolmeen ryhmään ja tarkastellaan virtuaalisen synnytyksen soveltamisen tehokkuutta tiedon palauttamisessa ja muistelemisessa.

Hakemusten aikana otetaan koe- ja kontrolliryhmien videoita ja kuvia, jotka julkaistaan ​​visuaalisesti opinnäytetyössä.

Opiskelijoille, jotka eivät voineet osallistua tutkimukseen ja jotka valittiin vertailuryhmään satunnaistuksessa, toimitetaan myös virtuaalitodellisuuslasit tutkimuksen jälkeen, jotta kaikki opiskelijat näkevät virtuaalisen synnytyssovelluksen ja tasa-arvo toteutuu.

Tiedonkeruutyökalut:

Tiedonkeruulomake: Suunnitelmissa on käyttää 15 kysymyksestä koostuvaa lomaketta, joka sisältää osallistujien ominaisuudet, kuten iän, siviilisäädyn, koulutustilanteen ja perhetyypin.

Birth Action Assessment Information Scale (DEDBF): Asteikko on tutkijoiden itsensä valmistelemassa käytettäväksi tässä opinnäytetyössä. Lomakkeen laatimista varten tutkijat kävivät läpi viimeisimmät kirjallisuustiedot, YÖK:n luoman kätilön perusopetussuunnitelman (EUÇEP) ja valmistettiin 42 kysymyksestä koostuva tietolomake, joka sisältää tiedot synnytyksen fysiologiasta, vaiheista ja mekanismista. Tietolomakkeen kohdat esitetään opiskelijoille kokonaisena lauseena, joka voi olla tosi tai epätosi, ja oppilaita pyydetään vastaamaan näihin väittämiin "tosi" tai "epätosi". Kokonaisvasteaika on 30 minuuttia. Oikeat vastaukset arvostetaan 1 pisteellä, väärät vastaukset 0 pistettä. Tietolomakkeessa käytettiin myös vääriä ilmaisuja, jotka koodattiin päinvastoin kuin muut. Pienin tietolomakkeesta otettava pistemäärä on 0 ja korkein kokonaispistemäärä 42.

Kognitiivinen kuormitusasteikko: Kılıç et al. (2004) "Kognitiivinen kuormitusasteikko" (BYÖ) käytetään turkkiksi sovitettua. Siinä on yksikerroin ja yhdeksän pistettä (erittäin vähän, hyvin vähän, vähän, osittain vähän, ei enempää eikä vähemmän, enemmän, enemmän, enemmän, enemmän, enemmän, enemmän tai enemmän). Alkuperäisen version Cronbach Alpha sisäisen johdonmukaisuuskertoimen todettiin olevan 0,90 (7). Kılıç et ai. (2004) sopeutumistutkimuksessa Cronbach Alpha -sisäinen konsistenssikerroin todettiin 0,78:ksi. Asteikosta saatujen pisteiden alin piste on 1,00, keskipiste 5,00 ja korkein piste 9,00. Alle viisi pistettä saaneet osallistujat arvioitiin "kognitiivisesti ylikuormitetuiksi" ja yli viisi pistettä saaneet arvioitiin "kognitiivisesti ylikuormituiksi".

Saatavuus herkkyysasteikko: Se on asteikko, jonka alkuperäinen voimassaolo turkin kielellä oli voimassa vuonna 2018 Gökoğlu et al. Asteikkoa mitataan virtuaalitodellisuuteen perustuvissa oppimisympäristöissä. Asteikko sisältää 5 tekijää (alaasteikko), nimittäin osallistuminen (tekijä 1), koheesio / ympäristö (tekijä 2), aistillinen sitoutuminen (tekijä 3), vuorovaikutus (tekijä 4) ja käyttöliittymän laatu (tekijä 5), ja se koostuu 29 kysymyksestä (8 ). Tutkivan tekijäanalyysin (AFA) ja varmistustekijäanalyysin (CFA) mukaan 5-tekijärakenteella selitetty kokonaisvarianssi oli 41,197 % ja asteikon luotettavuuskerroin 0,844.

Tutkimuksen data-analyysi: Tutkimuksen aineiston analyysi tehdään käyttämällä IBM SPSS for Mac book 24 -versiota.