Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Tekoälyn keskustelun vaikutus kätilöopiskelijoihin

keskiviikko 18. maaliskuuta 2026 päivittänyt: Ayşe Gül Bursa, Fenerbahce University

Tehokäyttöisen tekoälyn avustaman tapauskeskustelun vaikutus kätilöopiskelijoiden asenteisiin, käyttöön ja osaamiseen tekoälystä

Tässä tutkimuksessa pyrittiin tutkimaan tekoälyn avustamien tapauskeskustelujen vaikutusta kätilöopiskelijoiden tekoälyteknologioiden käyttöön ja niiden hallintaan sekä heidän kliinisiin pätevyystasoihinsa. Tekoälyn nopean kehityksen myötä sen integroiminen terveydenhuollon koulutukseen on tullut yhä tärkeämmäksi. Tekoälytyökalujen avulla tuettu tapauspohjainen oppiminen voi parantaa opiskelijoiden kliinistä päätöksentekoa, ongelmanratkaisua ja kriittistä ajattelua. Siksi tämä tutkimus arvioi tekoälyn avustamien opetusmenetelmien osuutta kätilöopiskelijoiden ammatilliseen kehittymiseen.

Tutkimuksen yleiskatsaus

Tila

Ei vielä rekrytointia

Yksityiskohtainen kuvaus

Tekoäly (AI), joka tarkoittaa tietokoneavusteisia järjestelmiä, jotka kykenevät suorittamaan tehtäviä, jotka vaativat ihmisen älykkyyttä, on viime vuosina yleistynyt kaikilla aloilla. AI on teknologinen järjestelmä, joka voi ajatella, oppia, havaita, tehdä ennusteita, kommunikoida ja tehdä päätöksiä kuten ihmiset – tai jopa paremmin kuin ihmiset. Lyhyesti sanottuna AI:ta voidaan kuvata laajana tieteellisenä alana, joka simuloi ihmisten osoittamaa luonnollista älykkyyttä keinotekoisin keinoin.

AI:n kyky käsitellä järjestelmälle esitettyjä tietoja, suorittaa tietoanalyysiä, luoda uusia ideoita ja päästä erilaisiin johtopäätöksiin on lisännyt AI:n käyttöä. Nämä ominaisuudet voivat ylittää ihmisen ongelmanratkaisu- ja päätöksentekokyvyt nopeuden, tehokkuuden ja laadun suhteen. Näiden etujen vuoksi tekoälyn käyttö kätilökoulutuksessa on tullut väistämättömäksi.

Australian College of Midwives (ACM) perusti valiokunnan tekoälyn omaksumisen tukemiseksi ja sääntelyn varmistamiseksi maaliskuussa 2024. Tämä komitea korosti tekoälyn käytön välttämättömyyttä ja prioriteettia kätilökoulutuksessa. Se myös korosti, että kätilöitä tulisi kouluttaa tekoälyn käyttöön ja heidän tulisi olla olennainen osa kaikkien synnytyshoidossa käytettyjen tekoälytyökalujen suunnittelussa, toteutuksessa ja arvioinnissa (ACM, 2024).

Terveydenhuollossa tekoälyn käyttöä koskien Maailman terveysjärjestö (WHO) on tunnistanut kolme strategista suunnitelmaa: mahdollistaa tutkimustietoon perustuvat standardit, hallinto, politiikat ja ohjeet; edistää yhteisiä investointeja ja maailmanlaajuista asiantuntijuusyhteisöä; sekä toteuttaa kestävät mallit tekoälyohjelmien omaksumiseksi maatasolla (WHO, 2024). Näiden strategioiden mukaisesti on tarpeen integroida tekoälysovellukset kätilöammattiin.

Nopeasti kehittyvän teknologian vaikutuksesta on tullut väistämätöntä parantaa kätilökoulutusta. Perinteisissä opetusmenetelmissä opettajalla on aktiivinen rooli, kun taas opiskelijat pysyvät passiivisina. Kuitenkin, jotta oppiminen olisi tehokasta, opiskelijoille tulisi luoda mahdollisuuksia harjoitella taitojaan aktiivisesti ja kehittää kriittisen ajattelun kykyjä. Tapaustutkimukseen perustuva oppiminen kätilökoulutuksessa on menetelmä, joka voi parantaa opiskelijoiden loogisia, kliinisiä ja osallistavia taitoja samalla kun se lisää heidän tietotasoaan.

Tapaustutkimukseen perustuvan oppimisen tukeminen tekoälytyökaluilla voi edistää tarkempaa diagnoosia sekä kliinisen päätöksenteon ja ongelmanratkaisutaitojen kehittymistä. Tällä tavoin on mahdollista kouluttaa päteviä kätilöitä, jotka ovat varmoja ja kykeneviä käyttämään teknologiaa tehokkaasti.

Tämän tutkimuksen tavoitteena on tarkastella tekoälyavusteisten tapauskeskustelujen vaikutusta kätilöopiskelijoiden tekoälyteknologioiden käyttöön ja niiden hallintaan sekä heidän kliiniseen pätevyystasoonsa.

Opintotyyppi

Interventio

Ilmoittautuminen (Arvioitu)

81

Vaihe

  • Ei sovellettavissa

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Tutki yhteystietojen varmuuskopiointi

  • Nimi: Sinem Dinmez, Assistant Professor
  • Puhelinnumero: +905063568804

Opiskelupaikat

    • Atasehır
      • Istanbul, Atasehır, Turkki (Türkiye), 34758
        • Fenerbahçe University

Osallistumiskriteerit

Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.

Kelpoisuusvaatimukset

Opintokelpoiset iät

  • Lapsi
  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Joo

Kuvaus

Sisällyttämiskriteerit:

  • Olla kätilötyön laitoksen 3./4. vuoden opiskelija
  • Olla suorittanut aiemmin kurssit terveestä ja riskiraskaudesta
  • Olla laatinut ja esittänyt vähintään yhden kätilötyön hoitosuunnitelman

Poissulkemiskriteerit:

  • Yli 20 % poissaoloja kenttäsovelluksista

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Terveyspalvelututkimus
  • Jako: Satunnaistettu
  • Inventiomalli: Rinnakkaistehtävä
  • Naamiointi: Yksittäinen

Aseet ja interventiot

Osallistujaryhmä / Arm
Interventio / Hoito
Kokeellinen: AI-tapausryhmä
Koehenkilöryhmän opiskelijoille esitetään tapauskuvaus, jonka he saavat 30 minuuttia aikaa tutkia. Tänä aikana heitä pyydetään laatimaan tapaukselle hoitosuunnitelma. Tämän jälkeen 60 minuutin istunnossa tutkija esittää samalle tapaukselle tekoälyavusteisesti laaditun hoitosuunnitelman. Tapauskeskustelu suoritetaan sitten vertaamalla opiskelijoiden laatimia hoitosuunnitelmia tekoälyavusteiseen hoitosuunnitelmaan.
Kokeellisen ryhmän opiskelijoille esitetään tapausskenaario, ja heillä on 30 minuuttia aikaa tarkastella sitä. Tänä aikana heitä pyydetään kehittämään hoitosuunnitelma tapaukselle. Seuraavaksi 60 minuutin istunnon aikana tutkija esittelee samaan tapaukseen keinotekoisen älyn avulla valmistetun hoitosuunnitelman. Tämän jälkeen suoritetaan tapauskeskustelu vertaamalla opiskelijoiden kehittämiä hoitosuunnitelmia tekoälyn avustamalla hoitosuunnitelmalla.
Ei väliintuloa: Kontrolli
Rutiininomaisesti toteutettavan ylläpitosuunnitelman käsittely

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Tekoälyn käytön taso
Aikaikkuna: Tutkimuksen loppuun asti, keskimäärin 3 kuukautta
Muutokset kätilöopiskelijoiden tekoälyn käyttötasossa koulutuksen jälkeen verrattuna perusarvoihin. Mittaukseen käytetään vuonna 2025 kehitettyä Student Attitudes toward Artificial Intelligence Scale (SATAI) -mittaria. Viiden pisteen Likert-asteikolla (1=erittäin eri mieltä ja 5=erittäin samaa mieltä) kehitetty mittari ei sisällä käänteiskoodattuja kohtia. Mittarin korkein mahdollinen pistemäärä on 130 ja alin 26, jossa korkeammat pisteet heijastavat positiivisempaa asennetta tekoälyä kohtaan.
Tutkimuksen loppuun asti, keskimäärin 3 kuukautta
Käyttö ja taitotaso
Aikaikkuna: Tutkimuksen loppuun asti, keskimäärin 3 kuukautta
Tämä mitataan käyttäen vuonna 2024 kehitettyä Generative Artificial Intelligence Use and Proficiency (GAIP) -mittaria. Suunniteltu viisipisteiseksi Likert-asteikoksi (täysin kuvaava = 5 pistettä - ei lainkaan kuvaava = 1 piste), tästä asteikosta saadun pistemäärän kasvu osoittaa korkeaa tekoälyn käyttöä ja osaamista. Asteikon pienin mahdollinen pistemäärä on 19 ja suurin 95.
Tutkimuksen loppuun asti, keskimäärin 3 kuukautta

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Opintojohtaja: Sinem Dinmez, Assistant Professor, Mudanya University
  • Opintojohtaja: Zeynep Ogul, Assistant Professor

Opintojen ennätyspäivät

Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan ​​julkisella verkkosivustolla.

Opi tärkeimmät päivämäärät

Opiskelun aloitus (Arvioitu)

Maanantai 16. maaliskuuta 2026

Ensisijainen valmistuminen (Arvioitu)

Maanantai 8. kesäkuuta 2026

Opintojen valmistuminen (Arvioitu)

Maanantai 20. heinäkuuta 2026

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Perjantai 13. maaliskuuta 2026

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 18. maaliskuuta 2026

Ensimmäinen Lähetetty (Todellinen)

Tiistai 24. maaliskuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 24. maaliskuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 18. maaliskuuta 2026

Viimeksi vahvistettu

Sunnuntai 1. maaliskuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • Fenerbahce U Midwifery

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

EI

IPD-suunnitelman kuvaus

Emme vielä harkitse räjähdystä, koska tiedonkeruu ei ole alkanut.

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

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 .

Kliiniset tutkimukset Terve

Kliiniset tutkimukset Kokeellinen tekoälytapausryhmä

Tilaa