- ICH GCP
- USA klinikai vizsgálatok nyilvántartása
- Klinikai vizsgálat NCT06217926
Az ápolóhallgatók mesterséges intelligenciához való hozzáállása és a vizsgaszorongás szintje
Az ápolónők mesterséges intelligenciához való hozzáállása és a vizsgaszorongás szintje a ChatGPT és a Google Bard használata után
Ennek a tanulmánynak az volt a célja, hogy meghatározza az ápolóhallgatók mesterséges intelligenciával kapcsolatos attitűdjét, és tesztelje a szorongásos szinteket a ChatGPT és a Google Bard használata után az oktatás során. A vizsgálat a kvázi-kísérleti, előteszt-utóteszt kutatási sajátossága szerint történik, a 2023-2024-es őszi tanévben a Sinop Egyetem Egészségtudományi Karán tanulnak 3. és 4. éves ápoló hallgatók. A kutatócsoportok neve a következő; Kísérleti csoport: Az a csoport, amely ChatGPT és Google Bard képzésben részesül, Kontroll csoport: Az a csoport, amely nem kap ChatGPT és Google Bard képzést, vagyis az ápolási osztály 3. évfolyamos hallgatóit kontrollcsoportnak nevezzük. és a 4. éves hallgatók lesznek a kísérleti csoport. Oktatási tartalom; ChatGPT és Google Bard tréninget az Egészségtudományi Kar felső tagozatos hallgatói számára, akik önkéntesen vettek részt a vizsgálatban, Dr. Lecturer tartotta Yasemin Özyer Güvener tag. A képzés befejezése után a hallgatókat arra kérik, hogy oktatási célokra használják fel a generatív mesterséges intelligenciát. A vizsgálat utótesztelése során (egy héttel a záróvizsgák előtt) ismét adatgyűjtési eszközöket alkalmaznak azon hallgatók esetében, akik továbbra is önkéntesen vesznek részt a kutatásban.
Kulcsszavak: ápolóhallgatók, tesztszorongás, generatív mesterséges intelligencia, ChatGPT, Google Bard
A tanulmány áttekintése
Állapot
Körülmények
Beavatkozás / kezelés
Részletes leírás
Az egészségtudományi oktatásban a generatív mesterséges intelligencia programok, nevezetesen a ChatGPT és a Google Bard felhasználhatók például különböző és valósághű klinikai történetek létrehozására, annak biztosítására, hogy az egészségtudományos hallgatók egyedi klinikai esetekben azonnali segítséget kapjanak, és javítsák a hallgatók életképességét. kommunikációs készségek (Sallam, 2023). Ezenkívül a generatív mesterséges intelligencia segítheti az egészségtudományos hallgatókat az önálló tanulásban és a csoportmunkában. A produktív mesterséges intelligencia hasznossága és az általa nyújtott egyénre szabott interakció elfogadtatta a hallgatók motivációs forrásaként (Connor 2023; Kosak et al., 2023; Gilson és mtsai, 2023; Khan és mtsai, 2023).
Ezenkívül az oktatók elősegíthetik a mély tanulást azáltal, hogy megtanítják a tanulókat, hogy kritikusan értékeljék a generatív mesterséges intelligencia által generált információkat, megalapozott döntéseket hozzanak az információk pontosságáról, és gondolkodjanak el a generatív mesterséges intelligencia használatával kapcsolatos felelősségükről (Sun et al., 2023). Például házi feladatként az egészségtudományos hallgatókat felkérhetik, hogy készítsenek bizonyítékokon alapuló protokollt a stresszkezeléshez. A tanulók generatív mesterséges intelligenciát használhatnak a protokoll elkészítéséhez. Így a tanulók a tantárgyi fogalmak elsajátításával vagy különféle témákban szerzett ismeretekkel tölthetik idejüket.
Az elmúlt években a mesterséges intelligencia technológiák gyors fejlődése minden társadalmi rendszerre hatással volt, beleértve a gazdaságot, a politikát, a tudományt és az oktatást (Luan et al., 2020, Stephanidis et al., 2019). Az emberek azonban gyakran nincsenek tudatában a mesterséges intelligencia alkalmazások létezésének (Tai, 2020). Gansser és Reich (2021) a mesterséges intelligenciát olyan technológiaként határozza meg, amelyet egyszerűen az emberi élet megkönnyítésére és az emberek segítésére bizonyos forgatókönyvekben fejlesztettek ki. Valójában a mesterséges intelligenciát számos hasznos összefüggésben használják, például betegségek diagnosztizálásában, a környezeti erőforrások védelmében, a természeti katasztrófák előrejelzésében, az oktatás javításában, az erőszakos cselekmények megelőzésében és a munkahelyi kockázatok csökkentésében (Brooks, 2019). A tesztszorongás a hallgató által vizsga vagy bármilyen értékelés során tapasztalt kellemetlen érzések és érzelmi állapotok. Azt állítják, hogy a vizsgálati szorongás negatívan befolyásolja a hallgató tanulmányi sikerét.
Tanulmány típusa
Beiratkozás (Tényleges)
Fázis
- Nem alkalmazható
Kapcsolatok és helyek
Tanulmányi helyek
-
-
-
Sinop, Pulyka, 57000
- Yasemin Özyer Güvener
-
-
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Felnőtt
Egészséges önkénteseket fogad
Leírás
Bevételi kritériumok:
- 3. és 4. éves hallgatóként a Sinop Egyetem Egészségtudományi Karán a 2023-2024-es őszi tanévben
- Önkéntes részvétel a kutatásban és
- A tájékozott beleegyező nyilatkozat aláírása
Kizárási kritériumok:
- Nem lehet 3. vagy 4. éves hallgató a Sinop Egyetem Egészségtudományi Karán a 2023-2024-es őszi tanévben
- Önként nem vesz részt a kutatásban
- Nem írja alá a beleegyező nyilatkozatot
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
- Elsődleges cél: Támogató gondoskodás
- Kiosztás: Nem véletlenszerű
- Beavatkozó modell: Párhuzamos hozzárendelés
- Maszkolás: Kettős
Fegyverek és beavatkozások
Résztvevő csoport / kar |
Beavatkozás / kezelés |
|---|---|
|
Nincs beavatkozás: Ellenőrző csoport
A tanulmány előtesztelése során elsőként az Egészségtudományi Kar 3. évfolyamos hallgatói kapnak tájékoztatást a tanulmány céljáról, arról, hogy a tanulmányban való részvételük az önkéntesség elvén alapul, hogy a tanulmányból kiléphetnek bármikor, és a vizsgálati eredményeket kizárólag tudományos célokra használják fel. Ezután adatgyűjtési eszközöket alkalmaznak a kutatásban önkéntesen részt vevő hallgatókra. A vizsgálat utólagos lebonyolítása során (egy héttel a záróvizsgák előtt) a Kar 3. és 4. évfolyamos hallgatói számára a Személyes adatlap, a „Mesterséges intelligenciához való attitűd skála” és a „Westside vizsgaszorongás skála” újra beadásra kerül. egészségügyi tudományok. |
|
|
Kísérleti: Kísérleti Csoport
A vizsgálat előtesztje során először az Egészségügyi Kar 4. éves hallgatói, majd adatgyűjtési eszközöket alkalmaznak a kutatásban önkéntesen részt vevő hallgatókra. Oktatási tartalom; ChatGPT és Google Bard tréninget az Egészségtudományi Kar felső tagozatos hallgatói számára, akik önkéntesen vettek részt a vizsgálatban, Dr. Lecturer tartotta Yasemin Özyer Güvener tag. A képzés befejezése után a hallgatókat arra kérik, hogy oktatási célokra használják fel a generatív mesterséges intelligenciát. A vizsgálat utólagos lebonyolítása során (egy héttel a záróvizsgák előtt) a Kar 3. és 4. évfolyamos hallgatói számára a Személyes adatlap, a „Mesterséges intelligenciához való attitűd skála” és a „Westside vizsgaszorongás skála” újra beadásra kerül. egészségügyi tudományok. |
Oktatási tartalom; ChatGPT és Google Bard tréninget az Egészségtudományi Kar felső tagozatos hallgatói számára, akik önkéntesen vettek részt a vizsgálatban, Dr. Lecturer tartotta Yasemin Özyer Güvener tag. A képzés befejezése után a hallgatókat arra kérik, hogy oktatási célokra használják fel a generatív mesterséges intelligenciát. A vizsgálat utólagos lebonyolítása során (egy héttel a záróvizsgák előtt) a Kar 3. és 4. évfolyamos hallgatói számára a Személyes adatlap, a „Mesterséges intelligenciához való attitűd skála” és a „Westside vizsgaszorongás skála” újra beadásra kerül. egészségügyi tudományok. |
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Attitűd skála a mesterséges intelligenciához
Időkeret: Egy nap
|
Ezt a skálát Schepman és Rodway (2020) dolgozta ki az egyének mesterséges intelligenciával kapcsolatos általános attitűdjének mérésére.
A skála 20 tételt tartalmaz, 12 pozitív és 8 negatív.
A tételek értékelése egy ötfokú Likert-típusú értékelési skálával történik (1-től = egyáltalán nem értek egyet 5-ig = teljesen egyetértek).
A mesterséges intelligenciával kapcsolatos attitűdskála török nyelvű érvényességi és megbízhatósági vizsgálatát Feridun et al. (2022).
|
Egy nap
|
Másodlagos eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Westside Teszt Szorongás Skála (WSKS)
Időkeret: Egy nap
|
A skálát Driscoll (2007) fejlesztette ki, és Totan és Yavuz (2009) adaptálta török nyelvre egyetemisták számára.
A skálát eredeti formájában egy tesztszorongás csökkentését célzó program hatásának vizsgálatára fejlesztették ki.
Míg Driscoll (2007) egy dimenzióban tíz elemre formálta a skálát, addig Totan és Yavuz (2009) tizenegy elemként fordította le a skálát törökre, és úgy gondolta, hogy egy tétel két különböző jelváltozóként való meghatározása alkalmasabb lenne a török nyelvtan számára.
|
Egy nap
|
Együttműködők és nyomozók
Szponzor
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Tényleges)
Elsődleges befejezés (Tényleges)
A tanulmány befejezése (Tényleges)
Tanulmányi regisztráció dátumai
Először benyújtva
Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak
Első közzététel (Tényleges)
Tanulmányi rekordok frissítései
Utolsó frissítés közzétéve (Tényleges)
Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak
Utolsó ellenőrzés
Több információ
A tanulmányhoz kapcsolódó kifejezések
Kulcsszavak
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- sinopUyasemin-2
Terv az egyéni résztvevői adatokhoz (IPD)
Tervezi megosztani az egyéni résztvevői adatokat (IPD)?
Gyógyszer- és eszközinformációk, tanulmányi dokumentumok
Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz
Egy amerikai FDA által szabályozott eszközterméket tanulmányoz
Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .