A CHATGPT-asszisztált magas vérnyomás-ismeretek az ápoló hallgatókban
A CHATGPT-asszisztált hipertónia-ismeretek az ápoló hallgatókban: A pontosság, AI szorongás és kognitív terhelés értékelése
A tanulmány áttekintése
Állapot
Körülmények
Beavatkozás / kezelés
Részletes leírás
A mesterséges intelligencia (AI) eszközök használata az oktatásban gyorsan növekszik. Az Openai által kifejlesztett Chatgpt egy AI-alapú chatbot, amely interaktív tanulási környezetet biztosít. Folyékony és tudás-alapú válaszokat generál könyvek, online források és cikkek alapján 2021-ig. A CHATGPT széles körű elfogadása a különféle területeken vitákat váltott ki annak szerepéről és korlátozásairól. Az ápolási oktatásban a hallgatók gyakran használják a CHATGPT -t az információkhoz való gyors hozzáféréshez, a kutatási támogatáshoz és a vizsga előkészítéséhez. A megbízhatósággal kapcsolatos aggodalmak azonban a válaszok ismeretlen forrásai és a téves információk lehetősége miatt merülnek fel. A CHATGPT-nek korlátozásai vannak a komplex, kontextusfüggő válaszok értelmezésében is, és nincs képes alkalmazni az egyénre szabott gondozás elvét, amely alapvető fontosságú az ápolási gyakorlatban.
A tanulmányok kimutatták a CHATGPT változó teljesítményét az egészségügyi területen. A hipertónia, egy krónikus betegség, amely világszerte több mint milliárd embert érint, kritikus téma az ápoló hallgatók számára, mivel az állapot megértése pozitívan befolyásolhatja a betegellátást. A korábbi kutatások kimutatták, hogy a CHATGPT klinikailag megfelelő válaszokat ad a magas vérnyomással kapcsolatos kérdésekre, magas pontossági aránya 92,5%. Ezenkívül a CHATGPT GPT-4 verziója helyesen válaszolt az Egyesült Államok orvosi engedélyezési vizsgálatán (USMLE) a kérdések több mint 86% -ának.
Ennek a randomizált, ellenőrzött tanulmánynak a célja, hogy felmérje a CHATGPT hatékonyságát a magas vérnyomás tanításában az ápoló hallgatók számára, miközben értékeli az AI-vel kapcsolatos szorongás és a kognitív terhelés szintjét. Tekintettel az AI eszközök egyre növekvő jelenlétére az oktatásban, mind előnyeik, mind korlátozásaik megértése elengedhetetlen az ápolási oktatásba való optimális integrációjuk szempontjából.
A tanulmányi populáció a magán egyetemen ápolási programba beiratkozott hallgatókból áll. A tanulmány célja az egész népesség elérése, különösen 96 hallgató, akik befejezték a belgyógyászati ápolási kurzust. A befogadási kritériumoknak megfelelő hallgatókat tájékoztatni kell a tanulmányról, és meghívják a részvételt. Az önkéntesek egy bevezető információs űrlapot töltenek be, és véletlenszerűen hozzárendelnek az intervencióhoz (CHATGPT) vagy a kontrollcsoportokhoz 1: 1 arányban számítógépes randomizálással (csoportonként 48 hallgató). Az intervenciós csoport a CHATGPT segítségével válaszol a hipertónia -megelőzési hozzáállás skálájából, míg a kontrollcsoport a hagyományos módszereket fogja használni. Utána mindkét csoport befejezi a mesterséges intelligencia szorongás skáláját és a kognitív terhelési skálát, befejezve az adatgyűjtést. Az összes összegyűjtött adatot az SPSS for Windows 22.0 statisztikai szoftvercsomag segítségével elemezzük.
Tanulmány típusa
Beiratkozás (Becsült)
Fázis
- Nem alkalmazható
Kapcsolatok és helyek
Tanulmányi kapcsolat
- Név: Nursemin Unal, Assoc. Prof.
- Telefonszám: +905077433629
- E-mail: nurse_unal@hotmail.com
Tanulmányozza a kapcsolattartók biztonsági mentését
- Név: Nilay Bektaş Akpınar, Assist.Prof.
- Telefonszám: +905319920260
- E-mail: nilaybektas88@gmail.com
Részvételi kritériumok
Jogosultsági kritériumok
Tanulmányozható életkorok
- Gyermek
- Felnőtt
- Idősebb felnőtt
Egészséges önkénteseket fogad
Leírás
Befogadási kritériumok:
- Beiratkozni kell egy magán egyetemen ápolási programba, a 2024-2025-es tanév során.
- A belgyógyászati ápolói tanfolyam elvégzéséhez (ezen a kurzuson a hallgatók 4 órás elméleti tanulságokat kapnak a magas vérnyomásos betegek ápolási gondozásáról).
- Hogy hajlandó önként vállalni a vizsgálatban való részvételt.
Kizárási kritériumok:
- Azok a hallgatók, akik bármely szakaszban akarnak visszavonulni a kutatásból, nem veszik figyelembe a tanulmányba.
Tanulási terv
Hogyan készül a tanulmány?
Tervezési részletek
- Elsődleges cél: Egyéb
- Kiosztás: Véletlenszerűsített
- Beavatkozó modell: Párhuzamos hozzárendelés
- Maszkolás: Egyetlen
Fegyverek és beavatkozások
Résztvevő csoport / kar |
Beavatkozás / kezelés |
|---|---|
|
Kísérleti: Chatgpt csoport
Az intervenciós csoport hallgatói a CHATGPT segítségével válaszolnak a hipertóniás megelőzési hozzáállás skálájának kérdéseire.
|
Az intervenciós csoport hallgatói a CHATGPT segítségével válaszolnak a hipertóniás megelőzési hozzáállás skálájának kérdéseire.
Más nevek:
|
|
Nincs beavatkozás: Vezérlőcsoport
A kontrollcsoportban a hallgatók a hipertónia -megelőzési hozzáállás skáláját a hagyományos módszerekkel válaszolják.
|
Mit mér a tanulmány?
Elsődleges eredményintézkedések
Eredménymérő |
Intézkedés leírása |
Időkeret |
|---|---|---|
|
Magas vérnyomás megelőzési attitűdök skála
Időkeret: A tanulmány elején az első belépés.
|
A skála 26 elemből és aldimenziókból áll, beleértve a védelmet és az irányítást, a szokásokat és az életmódot, a táplálkozási attitűdöket, a mentális állapotot és a fizikai aktivitást, valamint a betegség és a kockázati ismereteket.
Az elemeket ötpontos Likert-skálán besorolják, kezdve az "erősen nem értenek" és az "határozottan egyetért".
A skála pontszáma 26 és 130 között lehet.
Pozitív kapcsolat van a skála pontszáma és a hipertónia megelőzése iránti attitűd között.
A Cronbach skála alfa -értéke 0,91.
|
A tanulmány elején az első belépés.
|
|
Mesterséges intelligencia szorongás skála
Időkeret: Közvetlenül a beavatkozás után (a skála kérdéseinek megválaszolása)
|
A mesterséges intelligencia szorongásos skálát (AIAS) Wang és Wang (2019) fejlesztette ki, és Turkish -ba adaptálta Akkaya et al. (2021).
A skála egy 5 pontos Likert típusú, 21 elemből és 4 tényezőből áll.
Ezek a tényezők a következők: tanulás, munkahelyváltozás, társadalmi-technikai vakság és a mesterséges intelligencia strukturálása.
A minimális pontszám, amelyet a skáláról lehet megszerezni, 21, a maximális pontszám 105.
A magasabb pontszám a magasabb AI -szorongás szintjét jelzi.
A skála Cronbach alfa -együtthatója 0,95.
|
Közvetlenül a beavatkozás után (a skála kérdéseinek megválaszolása)
|
|
Kognitív terhelési skála
Időkeret: Közvetlenül a beavatkozás után (a skála kérdéseinek megválaszolása)
|
A PAAS és a Van Merriënboer (1993) által kifejlesztett skála célja a hallgatók kognitív terhelésének mérése az egyes vizsgálati folyamatok során.
Kılıç és Karadeniz (2004) törökbe adaptálta.
A skála egy szimmetrikus, Likert típusú skála, 1 és 9 között. Ez lehetővé teszi a hallgató által az egyéni tanulási folyamat során gyakorolt erőfeszítések értékelését.
A skála szerint a kognitív terhelés 1-ről 9-re növekszik. Az 1-4 közötti pontszámokat alacsony kognitív terhelésnek tekintik, míg az 5-9 közötti pontszámokat magas kognitív terhelésnek tekintik.
Paas és Van Merriënboer (1993) a skálán 0,82 belső konzisztencia -együtthatót jelentettek, míg Kılıç és Karadeniz (2004) a török változathoz 0,90 belső konzisztencia együtthatót számítottak ki.
|
Közvetlenül a beavatkozás után (a skála kérdéseinek megválaszolása)
|
Együttműködők és nyomozók
Szponzor
Nyomozók
- Kutatásvezető: Nursemin Unal, Assoc. Prof., Ankara University
Publikációk és hasznos linkek
Általános kiadványok
- 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
Tanulmányi rekorddátumok
Tanulmány főbb dátumok
Tanulmány kezdete (Becsült)
Elsődleges befejezés (Becsült)
A tanulmány befejezése (Becsült)
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
További vonatkozó MeSH feltételek
Egyéb vizsgálati azonosító számok
- 2025-2 (Egyéb támogatási/finanszírozási szám: Korean Society of Cardiometabolic Syndrome)
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. .