Hoitotyön opiskelijoiden asenteet tekoälyä kohtaan ja tenttiahdistustasot
Hoitotyön opiskelijoiden asenteet tekoälyä kohtaan ja tenttiahdistustasot ChatGPT:n ja Google Bardin käytön jälkeen koulutuksessaan
Tämän tutkimuksen tarkoituksena oli määrittää hoitotyön opiskelijoiden asenteet tekoälyä kohtaan ja testata ahdistustasoja ChatGPT:n ja Google Bardin käytön jälkeen koulutuksessaan. Tutkimus toteutetaan lähes kokeellisen, esitesti-jälkitestin tutkimusominaisuuden mukaisesti, jossa 3. ja 4. vuoden hoitotyön opiskelijat opiskelevat Sinop-yliopiston terveystieteellisessä tiedekunnassa syksyn 2023-2024 lukuvuonna. Tutkimusryhmät on nimetty seuraavasti; Kokeellinen ryhmä: Ryhmä, joka saa ChatGPT- ja Google Bard -koulutuksen, Kontrolliryhmä: Ryhmä, joka ei saa ChatGPT- ja Google Bard -koulutusta, toisin sanoen hoitotyön osaston 3. vuoden opiskelijoista käytetään nimitystä kontrolliryhmä, ja 4. vuoden opiskelijat ovat kokeellinen ryhmä. Koulutussisältö; ChatGPT- ja Google Bard -koulutuksen terveystieteiden tiedekunnan vanhemmille opiskelijoille, jotka osallistuivat tutkimukseen vapaaehtoisesti, järjesti Dr. Lecturer. Sen pitää jäsen Yasemin Özyer Güvener. Koulutuksen päätyttyä opiskelijoita pyydetään käyttämään generatiivista tekoälyä opetustarkoituksiin. Tutkimuksen jälkitestin aikana (viikko ennen loppukokeita) tutkimukseen vapaaehtoistyötä jatkavien opiskelijoiden tiedonkeruutyökaluja sovelletaan uudelleen.
Avainsanat: sairaanhoitajaopiskelijat, koeahdistus, generatiivinen tekoäly, ChatGPT, Google Bard
Tutkimuksen yleiskatsaus
Tila
Yksityiskohtainen kuvaus
Terveystieteiden koulutuksessa generatiivisten tekoälyohjelmien, eli ChatGPT:n ja Google Bardin avulla voidaan luoda esimerkiksi erilaisia ja realistisia kliinisiä tarinoita, varmistaa, että terveystieteiden opiskelijat saavat välitöntä apua ainutlaatuisissa kliinisissä tapauksissa sekä parantaa opiskelijoiden toimintakykyä. viestintätaidot (Sallam, 2023). Lisäksi generatiivinen tekoäly voi auttaa terveystieteiden opiskelijoita itsenäisessä oppimisessa ja ryhmätyössä. Tuottavan tekoälyn hyödyllisyys ja sen tarjoama yksilöllinen vuorovaikutus ovat tehneet siitä hyväksynnän opiskelijoiden motivaatiolähteeksi (Connor 2023; Kosak ym., 2023; Gilson ym., 2023; Khan ym., 2023).
Lisäksi opettajat voivat edistää syväoppimista opettamalla opiskelijoita kriittisesti arvioimaan generatiivisen tekoälyn tuottamaa tietoa, tekemään tietoisia päätöksiä tiedon oikeellisuudesta ja pohtimaan vastuutaan generatiivisen tekoälyn käytössä (Sun et al., 2023). Esimerkiksi kotitehtävänä terveystieteiden opiskelijoita voidaan pyytää luomaan näyttöön perustuva protokolla stressinhallintaan. Opiskelijat voivat käyttää generatiivista tekoälyä protokollan laatimiseen. Siten opiskelijat voivat viettää aikaansa opiskelemaan aihekohtaisia käsitteitä tai hankkimaan tietoa eri aiheista.
Viime vuosina nopea tekoälyteknologian kehitys on vaikuttanut kaikkiin sosiaalisiin järjestelmiin, mukaan lukien talouteen, politiikkaan, tieteeseen ja koulutukseen (Luan et al., 2020, Stephanidis et al., 2019). Ihmiset eivät kuitenkaan usein ole tietoisia tekoälysovellusten olemassaolosta (Tai, 2020). Gansser ja Reich (2021) määrittelevät tekoälyn teknologiaksi, joka on kehitetty yksinkertaisesti helpottamaan ihmisten elämää ja auttamaan ihmisiä tietyissä skenaarioissa. Itse asiassa tekoälyä käytetään monissa hyödyllisissä yhteyksissä, kuten sairauksien diagnosoinnissa, ympäristöresurssien suojelemisessa, luonnonkatastrofien ennustamisessa, koulutuksen parantamisessa, väkivaltaisten tekojen ehkäisyssä ja työpaikkojen riskien vähentämisessä (Brooks, 2019). Koeahdistuneisuus määritellään epämiellyttäviksi tunteiksi ja tunnetiloiksi, joita opiskelija kokee kokeen tai arvioinnin aikana. On todettu, että koeahdistus vaikuttaa negatiivisesti opiskelijan akateemiseen menestymiseen.
Opintotyyppi
Ilmoittautuminen (Todellinen)
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Sinop, Turkki, 57000
- Yasemin Özyer Güvener
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
Hyväksyy terveitä vapaaehtoisia
Kuvaus
Sisällyttämiskriteerit:
- Olen 3. ja 4. vuoden opiskelija Sinop-yliopiston terveystieteellisessä tiedekunnassa syksyn 2023-2024 lukuvuonna
- Vapaaehtoinen osallistuminen tutkimukseen ja
- Tietoisen suostumuslomakkeen allekirjoittaminen
Poissulkemiskriteerit:
- Ei olla 3. tai 4. vuoden opiskelija Sinop-yliopiston terveystieteellisessä tiedekunnassa syksyn 2023-2024 lukuvuonna
- Ei vapaaehtoisesti osallistumaan tutkimukseen
- Tietoisen suostumuslomakkeen allekirjoittaminen
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Tukevaa hoitoa
- Jako: Ei satunnaistettu
- Inventiomalli: Rinnakkaistehtävä
- Naamiointi: Kaksinkertainen
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Ei väliintuloa: Ohjausryhmä
Terveystieteellisen tiedekunnan 3. vuoden opiskelijoille tiedotetaan opintojen esitestauksen aikana tutkimuksen tarkoituksesta, että heidän osallistumisensa tutkimukseen perustuu vapaaehtoisuuden periaatteeseen, että he voivat poistua opinnoista klo. milloin tahansa ja että tutkimustuloksia käytetään vain tieteellisiin tarkoituksiin. Sitten tiedonkeruutyökaluja sovelletaan opiskelijoihin, jotka osallistuvat vapaaehtoisesti tutkimukseen. Tutkimuksen jälkitestauksen aikana (viikko ennen loppukokeita) tiedekunnan 3. ja 4. vuoden opiskelijoille jaetaan uudelleen henkilötietolomake, "Attitude Scale Towards Artificial Intelligence" ja "Westside Exam Ahdistuneisuusasteikko" terveystieteistä. |
|
|
Kokeellinen: Kokeellinen ryhmä
Tutkimuksen esitestauksen aikana ensinnäkin Terveystieteellisen tiedekunnan 4. vuoden opiskelijat. Sitten tutkimukseen vapaaehtoisesti osallistuviin opiskelijoihin sovelletaan tiedonkeruutyökaluja. Koulutussisältö; ChatGPT- ja Google Bard -koulutuksen terveystieteiden tiedekunnan vanhemmille opiskelijoille, jotka osallistuivat tutkimukseen vapaaehtoisesti, järjesti Dr. Lecturer. Sen pitää jäsen Yasemin Özyer Güvener. Koulutuksen päätyttyä opiskelijoita pyydetään käyttämään generatiivista tekoälyä opetustarkoituksiin. Tutkimuksen jälkitestauksen aikana (viikko ennen loppukokeita) tiedekunnan 3. ja 4. vuoden opiskelijoille jaetaan uudelleen henkilötietolomake, "Attitude Scale Towards Artificial Intelligence" ja "Westside Exam Ahdistuneisuusasteikko" terveystieteistä. |
Koulutussisältö; ChatGPT- ja Google Bard -koulutuksen terveystieteiden tiedekunnan vanhemmille opiskelijoille, jotka osallistuivat tutkimukseen vapaaehtoisesti, järjesti Dr. Lecturer. Sen pitää jäsen Yasemin Özyer Güvener. Koulutuksen päätyttyä opiskelijoita pyydetään käyttämään generatiivista tekoälyä opetustarkoituksiin. Tutkimuksen jälkitestauksen aikana (viikko ennen loppukokeita) tiedekunnan 3. ja 4. vuoden opiskelijoille jaetaan uudelleen henkilötietolomake, "Attitude Scale Towards Artificial Intelligence" ja "Westside Exam Ahdistuneisuusasteikko" terveystieteistä. |
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Asenneasteikko tekoälyä kohtaan
Aikaikkuna: Yksi päivä
|
Tämän asteikon ovat kehittäneet Schepman ja Rodway (2020) mittaamaan yksilöiden yleistä asennetta tekoälyyn.
Asteikko sisältää 20 kohtaa, 12 positiivista ja 8 negatiivista.
Kohteet pisteytetään viiden pisteen Likert-tyyppisellä luokitusasteikolla (1 = täysin eri mieltä - 5 = täysin samaa mieltä).
Turkin kielen tekoälyn asenneasteikon validiteetti- ja luotettavuustutkimuksen suorittivat Feridun et al. (2022).
|
Yksi päivä
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Westside Testin ahdistuneisuusasteikko (WSKS)
Aikaikkuna: Yksi päivä
|
Asteikon on kehittänyt Driscoll (2007), ja Totan ja Yavuz (2009) muokkasivat sen turkiksi yliopisto-opiskelijoille.
Asteikko kehitettiin alkuperäisessä muodossaan testiahdistuksen vähentämiseen tähtäävän ohjelman vaikutuksen tutkimiseen.
Kun Driscoll (2007) muokkasi asteikon kymmeneksi yksiköksi yhdessä ulottuvuudessa, Totan ja Yavuz (2009) käänsivät asteikon turkkiksi yhdeksi yksiköksi, koska he ajattelivat, että yhden kohteen määrittäminen kahdeksi eri merkkimuuttujaksi sopisi paremmin turkin kielioppiin.
|
Yksi päivä
|
Yhteistyökumppanit ja tutkijat
Sponsori
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Todellinen)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- sinopUyasemin-2
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .