Chatgpt-avusteinen verenpainetaito hoitotyön opiskelijoille
ChatgPT-avusteinen verenpainetauti hoitotyön opiskelijoilla: tarkkuuden, AI-ahdistuksen ja kognitiivinen kuormitus
Tutkimuksen yleiskatsaus
Tila
Interventio / Hoito
Yksityiskohtainen kuvaus
Koulutuksen tekoälyn (AI) työkalujen käyttö kasvaa nopeasti. Openain kehittämä ChatgPT on AI-pohjainen chatbot, joka tarjoaa interaktiivisen oppimisympäristön. Se tuottaa sujuvia ja tietopohjaisia vastauksia, jotka perustuvat kirjoihin, online-lähteisiin ja artikkeleihin, jotka on julkaistu vuoteen 2021 saakka. ChatgPT: n laajalle levinnyt käyttöönotto eri aloilla on herättänyt keskusteluja sen roolista ja rajoituksista. Hoitokoulutuksessa opiskelijat käyttävät usein chatgPT: tä nopeaan pääsyyn tietoihin, tutkimustukeen ja tenttien valmisteluun. Sen luotettavuuden huolenaiheet johtuvat kuitenkin sen vastausten tuntemattomista lähteistä ja väärien tietojen mahdollisuuksista. ChatgPT: llä on myös rajoituksia monimutkaisten, asiayhteydestä riippuvien vastausten tulkinnassa, ja sillä ei ole kykyä soveltaa yksilöllisen hoidon periaatetta, joka on perustavanlaatuista hoitokäytännössä.
Tutkimukset ovat osoittaneet ChatgPT: n vaihtelevan suorituskyvyn terveydenhuollon alalla. Yli miljardin ihmisen maailmanlaajuinen krooninen sairaus verenpainetauti on kriittinen aihe hoitotyön opiskelijoille, koska heidän ymmärtämisensä tilasta voi vaikuttaa positiivisesti potilaan hoitoon. Aikaisemmat tutkimukset ovat osoittaneet, että ChatgPT tarjoaa kliinisesti sopivia vastauksia verenpaineisiin liittyviin kysymyksiin, joiden tarkkuus on korkea 92,5%. Lisäksi ChatgPT: n GPT-4-versio vastasi oikein yli 86% Yhdysvaltain lääketieteellisen lisensointitutkimuksen (USMLE) kysymyksistä.
Tämän satunnaistetun kontrolloidun tutkimuksen tavoitteena on arvioida chatgPT: n tehokkuutta hypertension opettamisessa hoitotyön opiskelijoille arvioimalla samalla AI: hen liittyvän ahdistuksen ja kognitiivisen kuormituksensa. Kun otetaan huomioon AI -työkalujen kasvava läsnäolo koulutuksessa, sekä heidän etujensa että rajoituksensa ymmärtäminen on ratkaisevan tärkeää heidän optimaalisen integroinnin kannalta hoitokoulutukseen.
Tutkimusväestö koostuu opiskelijoista, jotka ovat ilmoittautuneet yksityisen yliopiston hoitotyön ohjelmaan. Tutkimuksen tavoitteena on saavuttaa koko väestö, erityisesti 96 opiskelijaa, jotka ovat suorittaneet sisälääketieteen hoitokurssin. Opiskelijoille, jotka täyttävät osallisuuskriteerit, ilmoitetaan tutkimuksesta ja kutsutaan osallistumaan. Vapaaehtoiset täyttävät johdantotietolomakkeen ja osoitetaan satunnaisesti interventioon (CHATGPT) tai kontrolliryhmiin 1: 1 -suhteessa tietokonepohjaisen satunnaistamisen avulla (48 opiskelijaa ryhmää kohti). Interventioryhmä vastaa verenpaineen ehkäisyasenteen asteikon kysymyksiin chatgPT: n avulla, kun taas kontrolliryhmä käyttää perinteisiä menetelmiä. Myöhemmin molemmat ryhmät saattavat päätökseen tekoälyn ahdistuneisuusasteikon ja kognitiivisen kuormitusasteikon, päättäen tiedonkeruun. Kaikki kerätyt tiedot analysoidaan Windows 22.0 -ohjelmistopaketin SPSS: llä.
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Nursemin Unal, Assoc. Prof.
- Puhelinnumero: +905077433629
- Sähköposti: nurse_unal@hotmail.com
Tutki yhteystietojen varmuuskopiointi
- Nimi: Nilay Bektaş Akpınar, Assist.Prof.
- Puhelinnumero: +905319920260
- Sähköposti: nilaybektas88@gmail.com
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Kuvaus
Sisällyttämiskriteerit:
- Osallistua yksityisopimusohjelmaan yksityisessä yliopistossa, lukuvuonna 2024-2025.
- Sisätautien hoitokurssin suorittamiseksi (tällä kurssilla opiskelijat saavat 4 tuntia teoreettisia oppia sairaanhoitopotilaille).
- Olla valmis vapaaehtoistyöhön osallistumaan tutkimukseen.
Poissulkemiskriteerit:
- Opiskelijoita, jotka haluavat vetäytyä tutkimuksesta missä tahansa vaiheessa, ei sisällytetä tutkimukseen.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Muut
- Jako: Satunnaistettu
- Inventiomalli: Rinnakkaistehtävä
- Naamiointi: Yksittäinen
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
|---|---|
|
Kokeellinen: Chatgpt -ryhmä
Interventioryhmän opiskelijat vastaavat verenpaineen ehkäisyasenteen asteikon kysymyksiin chatgPT: n avulla.
|
Interventioryhmän opiskelijat vastaavat verenpaineen ehkäisyasenteen asteikon kysymyksiin chatgPT: n avulla.
Muut nimet:
|
|
Ei väliintuloa: Kontrolliryhmä
Kontrolliryhmässä opiskelijat reagoivat verenpainetaudin ehkäisyn asenteen asteikkoon perinteisten menetelmien avulla.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Verenpainetaudin ehkäisyn asenteen asteikko
Aikaikkuna: Ensimmäisen pääsyn tutkimuksen alussa.
|
Asteikko koostuu 26 esineestä ja alaosasta, mukaan lukien suojaus ja hallinta, tottumukset ja elämäntapa, ravitsemusasenteet, henkinen tila ja fyysinen aktiivisuus sekä sairaudet ja riskitiedot.
Tuotteet on luokiteltu viiden pisteen Likert-asteikolla, joka vaihtelee "voimakkaasti eri mieltä" "voimakkaasti samaa mieltä".
Asteikkopisteet voivat olla välillä 26 - 130.
Asteikkopisteiden ja asenteiden välillä verenpainetaudin ehkäisyyn on positiivinen suhde.
Cronbachin asteikon alfa -arvo on 0,91.
|
Ensimmäisen pääsyn tutkimuksen alussa.
|
|
Keinotekoisen älykkyyden ahdistusasteikko
Aikaikkuna: Välittömästi intervention jälkeen (asteikon kysymyksiin vastaaminen)
|
Wang ja Wang (2019) ovat kehittäneet keinotekoisen älykkyyden ahdistusasteikon (AIA), ja Akkaya et ai. (2021).
Asteikko on 5-pisteinen Likert-tyyppi, joka koostuu 21 kohdasta ja 4 tekijästä.
Nämä tekijät ovat: oppiminen, työmuutos, sosiaalis-tekninen sokeus ja tekoälyn strukturointi.
Vähimmäispiste, joka voidaan saada asteikosta, on 21 ja maksimipistemäärä on 105.
Suurempi pistemäärä osoittaa korkeamman AI -ahdistuksen tasoa.
Cronbachin asteikon alfa -kertoimen on ilmoitettu olevan 0,95.
|
Välittömästi intervention jälkeen (asteikon kysymyksiin vastaaminen)
|
|
Kognitiivinen kuormitusasteikko
Aikaikkuna: Välittömästi intervention jälkeen (asteikon kysymyksiin vastaaminen)
|
PaaS: n ja Van Merriënboerin (1993) kehittämän asteikon tavoitteena on mitata opiskelijoiden kognitiivinen kuorma yksittäisten opiskeluprosessien aikana.
Kılıç ja Karadeniz (2004) mukauttivat sen turkkilaiseksi.
Asteikko on symmetrinen, Likert-tyyppinen asteikko, jonka pisteet vaihtelevat välillä 1-9. Se mahdollistaa opiskelijan yksilöllisen oppimisprosessin aikana pyrkimyksen arvioinnin.
Asteikon mukaan kognitiivinen kuormitus kasvaa 1: stä 9: een. Pisteitä välillä 1-4 pidetään alhaisena kognitiivisena kuormituksena, kun taas pisteitä välillä 5-9 pidetään korkean kognitiivisen kuorman.
Paas ja Van Merriënboer (1993) ilmoittivat asteikon sisäisen konsistenssikerroimen 0,82, kun taas Kılıç ja Karadeniz (2004) laskivat Turkin version sisäisen konsistenssikerroimen 0,90.
|
Välittömästi intervention jälkeen (asteikon kysymyksiin vastaaminen)
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Nursemin Unal, Assoc. Prof., Ankara University
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Alkhaqani, A. L. (2023). Can ChatGPT help researchers with scientific research writing. Journal of Medical Research and Reviews, 1(1), 9-12. https://doi.org/10.5455/JMRR.20230626013424
- Branum C, Schiavenato M. Can ChatGPT Accurately Answer a PICOT Question? Assessing AI Response to a Clinical Question. Nurse Educ. 2023 Sep-Oct 01;48(5):231-233. doi: 10.1097/NNE.0000000000001436. Epub 2023 Apr 28.
- Abdulai AF, Hung L. Will ChatGPT undermine ethical values in nursing education, research, and practice? Nurs Inq. 2023 Jul;30(3):e12556. doi: 10.1111/nin.12556. Epub 2023 Apr 26. No abstract available.
- Goktas, P., Kucukkaya, A., & Karacay, P. (2024). Utilizing GPT 4.0 with prompt learning in nursing education: A case study approach based on Benner's theory. Teaching and Learning in Nursing, 19(2), e358-e367.
- Sallam M. ChatGPT Utility in Healthcare Education, Research, and Practice: Systematic Review on the Promising Perspectives and Valid Concerns. Healthcare (Basel). 2023 Mar 19;11(6):887. doi: 10.3390/healthcare11060887.
- Wang, Y. Y. & Wang, Y. S. (2019). Development and validation of an artificial intelligence anxiety scale: an initial application in predicting motivated learning behavior. Interactive Learning Environments, 1-16. https://doi.org/10.1080/10494820.2019.1674887
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Arvioitu)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
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
- 2025-2 (Muu apuraha/rahoitusnumero: Korean Society of Cardiometabolic Syndrome)
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 .