誕生の仕組みをバーチャルリアリティで教える

近年、テクノロジー支援学習が新しい学習アプローチであることが多くの研究で示されています (1)。特に、仮想現実 (VR) 技術を含む学習環境は、教育者や学生にとって強力なツールになりました (3、4)。 さまざまな分野で大きな進歩が見られ、学生が仮想世界と対話できるようになりました。 これらのテクノロジーは、もともと Web ベースの学習環境で提供されていた多くの教育活動をサポートしています。 助産教育では、過去 10 年間でシミュレーションの使用が重要なトレーニング方法になりました (2)。 シミュレーションとは、臨床現場で実際にそのような状況に遭遇したときに、その状況を理解し、管理しやすくするために、できるだけ現実に近い臨床状況を反映する方法です。 患者の安全を確保し、学生の能力を高める努力により、医療専門家のトレーニングでシミュレーションの使用がより広範に行われるようになりました (5)。 助産教育で仮想現実を使用すると、学生は臨床実習に行く前に助産実習を効果的に使用できるようになります。 助産教育の基礎の 1 つであり、学生が仮想現実アプリケーションを使用して臨床的に実践する機会を見つける分娩を教えると、臨床応用エラーが最小限に抑えられ、胎児の症状や胎盤異常などの有害な状態の早期診断が提供されます。出生時に発生する可能性があります。

研究のタイプ: この研究は、実験群および対照群として計画された実験研究です。

調査は 2 つの部分で構成されています。 パート I では、バーチャル リアリティ アプリケーションを開発します。 仮想出産ソフトウェアは、サービス調達を通じて準備されます。 そのために、アルゴリズムは女性の生理学、段階、メカニズム、および解剖学を詳細に記述することによって、研究者によって作成されます。

Ⅱ． 研究の適用は部門で行われます。

セクション I: バーチャル リアリティ アプリケーションの開発

研究の第1部では、サービス調達を通じて仮想出産ソフトウェアを準備します。 そのために、アルゴリズムは女性の生理学、段階、メカニズム、および解剖学を詳細に記述することによって、研究者によって作成されます。 このアルゴリズムは、出生アトラスからの女性の解剖学的構造の画像と図面、および出生の瞬間にインターネットで共有された実際の画像に基づいてメガネに転送されます。 予算フォームに記載されているように、仮想出産ソフトウェアの開発のためにサービスが調達されます。

バーチャル出産アプリでは、

• 誕生の生理と仕組みを学び、
• 出産の進行状況を監視し、正常からの逸脱を理解するために、
• 正常分娩を学び、
• 出生時に遭遇する可能性のあるすべての緊急事態を確認する機会を提供し、これらに加えて、情報は長期間記憶されます。 このようにして、助産師教育におけるバーチャル分娩の有効性が評価されます。

Ⅱ．部門: 研究の応用

この研究の最後の部分で、研究の応用部分が開始されました。 研究は、2 つの実験グループと対照グループの 3 つのグループで構成されます。 0.95乗で計算されたGパワー分析の結果、各グループに35人の学生が入学できます。

調査対象は、カラビュク大学で学ぶ 464 人の助産学生で構成されます。

サンプルは、105 名の助産学生、35 名のコントロール、35 名の実験 I および 35 名の実験 II で構成され、その結果、0.95 乗によって計算された G 乗数分析の結果として、出産メカニズムを 4 時間のカリキュラムで理論的に受講した助産学生が含まれます。通常の出産レッスンの範囲。

最初の段階では、3 つのグループすべてに対して 4 時間の理論トレーニングを行った後、この研究で使用される研究者が作成する情報フォーム (DEDBF) が最初のテストとして適用されます。

第 2 段階: コントロール グループにはアプリケーションを作成せず、実験グループにはコンピュータ支援およびガイド付きの仮想現実アプリケーションを適用し、実験グループ II にはコンピュータを使用しないガイドなしの仮想アプリケーションを監視します。

第 3 段階: DEDBF の質問が置き換えられ、事後テストが適用されます。 コントロールグループの4時間の理論トレーニングの後、実験グループで仮想出産アプリケーションを見た後、事後テストが行​​われます。 また、この段階で、「認知負荷尺度」と「在庫感」を適用後の実験群に適用します。

第4段階：3週間後、3つのグループに再度DEDBFを適用し、情報の想起と想起における仮想出産の適用の有効性を調べます。

申請中、実験および対照グループのビデオと画像が撮影され、論文で視覚的に公開されます。

研究に参加できず、無作為化で対照群として選択された学生にも、研究後に仮想現実メガネが提供されるため、すべての学生が仮想出産アプリケーションを見ることができ、平等が達成されます。

データ収集ツール:

データ収集フォーム：年齢、配偶者の有無、学歴、家族構成など参加者の特徴を含む15項目の質問からなるフォームを申請する予定です。

Birth Action Assessment Information Scale (DEDBF): スケールは、この論文で使用するために研究者自身によって準備されます。 フォームの作成には、最新の文献情報が研究者によってレビューされ、YÖK によって作成された助産コア カリキュラム (EUÇEP) が作成され、分娩の生理学、ステージ、およびメカニズムに関する項目を含む 42 の質問の情報フォームが作成されました。 情報フォームの項目は、正しいか間違っているかを示す完全な文の形で生徒に提示され、生徒はこれらのステートメントに「正しい」または「誤り」で答えるように求められます。 合計応答時間は 30 分です。 正解は1点、不正解は0点と評価されます。 情報形式にも誤った表現が使用されており、これらの項目は他の項目と比較して逆にコーディングされていました。 情報フォームから得られる最低スコアは 0 で、最高合計スコアは 42 です。

認知負荷尺度: Kılıç et al. (2004) トルコ語に適応した「認知負荷尺度」(BYÖ) が使用されます。 それは単一因子と 9 つの点 (非常に少ない、非常に少ない、少し、部分的に少ない、多かれ少なかれ、多かれ少なかれ、多かれ少なかれ、多かれ少なかれ、多かれ少なかれ) を持っています。 元のバージョンの Cronbach Alpha 内部整合性係数は .90 であることがわかりました （7）。 Kılıçら。 (2004) の適応研究では、Cronbach Alpha の内部整合性係数が .78 であることがわかりました。 スケールから得られるスコアの最低点は 1.00、中間点は 5.00、最高点は 9.00 です。 スコアが 5 点未満の参加者は「認知的過負荷」と評価され、スコアが 5 点以上の参加者は「認知的過負荷」と評価されました。

Availability Sensitivity Scale: これは、Gökoğlu et al. によって 2018 年にトルコ語で有効だった元の有効性の尺度です。 スケールは、仮想現実ベースの学習環境で測定されます。 この尺度には、5 つの因子 (サブスケール)、すなわち、参加 (因子 1)、結束/周囲 (因子 2)、感覚的コミットメント (因子 3)、相互作用 (因子 4)、インターフェースの質 (因子 5) があり、29 の質問 (8 ）。 探索的因子分析 (AFA) と確認的因子分析 (CFA) によると、5 因子構造によって説明される合計分散は 41.197% で、スケールの信頼係数は .844 でした。

調査のデータ分析: 調査のデータの分析は、IBM SPSS for Mac book 24 バージョンを使用して行われます。