Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

Az ápolóhallgatók mesterséges intelligenciához való hozzáállása és a vizsgaszorongás szintje

2024. március 29. frissítette: Sinop University

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

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

Beavatkozó

Beiratkozás (Tényleges)

211

Fázis

  • Nem alkalmazható

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi helyek

      • Sinop, Pulyka, 57000
        • Yasemin Özyer Güvener

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

  • Felnőtt

Egészséges önkénteseket fogad

Igen

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

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

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

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Szponzor

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Tényleges)

2024. január 25.

Elsődleges befejezés (Tényleges)

2024. február 25.

A tanulmány befejezése (Tényleges)

2024. március 4.

Tanulmányi regisztráció dátumai

Először benyújtva

2023. december 19.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2024. január 22.

Első közzététel (Tényleges)

2024. január 23.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2024. április 1.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2024. március 29.

Utolsó ellenőrzés

2024. március 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

További vonatkozó MeSH feltételek

Egyéb vizsgálati azonosító számok

  • sinopUyasemin-2

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

NEM

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

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. .

Iratkozz fel