人工知能の議論が助産学学生に与える影響
助産学生における人工知能支援ケースディスカッションが人工知能への態度、使用、習熟度に与える影響
調査の概要
状態
状態
条件
条件
介入・治療
介入・治療
詳細な説明
人工知能(AI)とは、人間の知能を必要とするタスクを実行できるコンピューター支援システムを指し、近年すべての分野でますます人気が高まっています。 AIは、人間のように、あるいは人間よりも優れて、思考、学習、知覚、予測、コミュニケーション、意思決定を行うことができる技術システムです。 要するに、AIは、人工的手段を通じて人間が示す自然な知能をシミュレートする広範な科学分野と表現できます。<\/p>
AIがシステムに提示されたデータを処理し、データ分析を実行し、新しいアイデアを生成し、異なる結論に達する能力により、AIの使用が増加しています。 これらの特徴は、速度、効率、質の点で人間の問題解決能力や意思決定能力を上回る可能性があります。 これらの利点により、助産学教育における人工知能の使用は避けられないものとなりました。<\/p>
オーストラリア助産師協会(ACM)は、AIの採用を支援し規制するため、2024年3月に人工知能採用特別委員会を設立しました。 この委員会は、助産学教育におけるAI使用の必要性と優先順位を強調しました。 また、助産師はAIの使用について訓練を受け、産科ケアで使用されるすべてのAIツールの設計、実装、評価の不可欠な一部であるべきであるとも強調しました(ACM, 2024)。<\/p>
医療におけるAIの使用に関して、世界保健機関(WHO)は、エビデンスに基づく基準、ガバナンス、政策、ガイダンスを可能にすること;共有投資と専門知識のグローバルコミュニティを促進すること;国レベルでのAIプログラム採用のための持続可能なモデルを実施することの3つの戦略計画を特定しています(WHO, 2024)。 これらの戦略に沿って、AIアプリケーションを助産師専門職に統合することが必要です。<\/p>
急速に進化する技術の影響により、助産学教育を改善することは避けられなくなりました。 従来の教育方法では、指導者が積極的な役割を果たす一方で、学生は受動的です。 しかし、学習を効果的にするためには、学生が積極的にスキルを実践し、批判的思考能力を開発する機会を作るべきです。 助産学教育における症例ベース学習は、学生の論理的、臨床的、参加型スキルを向上させながら、知識レベルを高めることができる方法です。<\/p>
人工知能ツールで症例ベース学習を支援することは、より正確な診断と臨床的意思決定および問題解決スキルの開発に貢献できます。 このようにして、自信を持ち、技術を効果的に使用できる有能な助産師を教育することが可能になります。<\/p>
本研究の目的は、人工知能支援症例討論が助産学学生の人工知能技術の使用と習熟度、および臨床能力レベルに及ぼす影響を調査することです。<\/p>
研究の種類
研究の種類
入学 (推定)
入学
段階
段階
- 適用できない
連絡先と場所
研究連絡先
研究連絡先
- 名前:Ayşe G Bursa, Assistant Professor
- 電話番号:+905062984670
- メール:aysegul.bursa@fbu.edu.tr
研究連絡先のバックアップ
- 名前:Sinem Dinmez, Assistant Professor
- 電話番号:+905063568804
研究場所
-
-
Atasehır
-
Istanbul、Atasehır、トルコ(Türkiye)、34758
- Fenerbahce University
-
-
参加基準
適格基準
適格基準
就学可能な年齢
- 子
- 大人
- 高齢者
健康ボランティアの受け入れ
説明
選定基準:
- 助産学科の3年次または4年次の学生であること
- 健常妊娠およびハイリスク妊娠に関する科目を履修済みであること
- 少なくとも1件の助産ケア計画を作成・発表した経験があること
除外基準:
- 現場実習において20%以上の欠席率があること
研究計画
研究はどのように設計されていますか?
デザインの詳細
- 主な目的:ヘルスサービス研究
- 割り当て:ランダム化
- 介入モデル:並列代入
- マスキング:独身
アーム数
武器と介入
参加者グループ / アーム参加者グループ / アーム |
介入・治療介入・治療 |
|---|---|
|
実験的:AIケースグループ
実験群の学生にはケースシナリオが提示され、30分間の検討時間が与えられます。
この時間内に、学生はケースに対するケアプランの作成を求められます。 その後、60分間のセッションで、研究者が同じケースに対して人工知能支援で作成されたケアプランを提示します。 次に、学生が作成したケアプランとAI支援ケアプランを比較しながらケースディスカッションが実施されます。 |
実験群の学生には症例シナリオが提示され、それを30分間で検討する時間が与えられます。
この間に、学生はその症例に対するケアプランを作成するよう求められます。
その後、60分間のセッションで、研究者が人工知能の支援を受けて作成した同じ症例のケアプランを提示します。
次に、学生が作成したケアプランとAI支援ケアプランを比較して症例討議が行われます。
|
|
介入なし:コントロール
日常的に実施される維持計画に関する議論
|
この研究は何を測定していますか?
主要な結果の測定
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
人工知能の利用レベル
時間枠:研究終了時まで、平均3か月
|
助産学学生における訓練後のAI使用レベルの変化を、ベースライン値と比較して評価します。測定には、2025年に開発された「学生の人工知能に対する態度尺度(SATAI)」を使用します。この尺度は5段階リッカート尺度(1=強く反対、5=強く同意)を用いて開発され、逆転項目は含まれていません。尺度の最高得点は130点、最低得点は26点で、得点が高いほど人工知能に対する態度がより肯定的であることを示します。
|
研究終了時まで、平均3か月
|
|
使用法と習熟度レベル
時間枠:研究完了まで、平均3か月
|
これは、2024年に開発された生成AI利用・習熟度尺度(GAAP)を用いて測定されます。
5段階リッカート尺度(完全に反映=5点~まったく反映しない=1点)として計画されており、この尺度から得られるスコアの増加は、高いレベルの人工知能の利用と習熟度を示します。 尺度で可能な最低スコアは19、最高スコアは95です。 |
研究完了まで、平均3か月
|
協力者と研究者
捜査官
捜査官
- スタディディレクター:Sinem Dinmez, Assistant Professor、Mudanya University
- スタディディレクター:Zeynep Ogul, Assistant Professor
研究記録日
主要日程の研究
研究開始 (推定)
研究開始
一次修了 (推定)
一次修了
研究の完了 (推定)
研究の完了
試験登録日
最初に提出
最初に提出
QC基準を満たした最初の提出物
QC基準を満たした最初の提出物
最初の投稿 (実際)
最初の投稿
学習記録の更新
投稿された最後の更新 (実際)
投稿された最後の更新
QC基準を満たした最後の更新が送信されました
QC基準を満たした最後の更新が送信されました
最終確認日
最終確認日
詳しくは
本研究に関する用語
キーワード
その他の研究ID番号
その他の研究ID番号
- Fenerbahce U Midwifery
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
IPD プランの説明
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。