人工知能に対する看護学生の態度と試験の不安レベル
ChatGPT と Google Bard を教育に使用した後の人工知能に対する看護学生の態度と試験の不安レベル
この研究は、教育で ChatGPT と Google Bard を使用した後の人工知能に対する看護学生の態度を決定し、不安レベルをテストするために計画されました。 この研究は、準実験的な事前テスト・事後テストという研究の特徴に従って実施され、2023年から2024年の秋学年度にシノプ大学保健科学部で学ぶ3年生と4年生の看護学生が対象となります。 研究グループの名称は以下の通りです。実験グループ:ChatGPTとGoogle Bardの研修を受けるグループ、対照グループ:ChatGPTとGoogle Bardの研修を受けないグループ、つまり看護学科3年生を対照グループと呼びます。そして4年生は実験班となります。 教育コンテンツ。研究に参加することを志願した健康科学部の上級学生向けのChatGPTとGoogle Bardトレーニングは、講師のDr.によって提供され、メンバーのYasemin Özyer Güvenerによって提供されます。 トレーニング終了後、学生は教育目的で生成人工知能を使用するように求められます。 研究のポストテスト実施中(最終試験の 1 週間前)、研究への参加をボランティアで継続する学生にデータ収集ツールが再度適用されます。
キーワード: 看護学生、試験不安、生成人工知能、ChatGPT、Google Bard
調査の概要
詳細な説明
保健科学教育では、ChatGPT や Google Bard などの生成人工知能プログラムを使用して、たとえば、さまざまで現実的な臨床ストーリーを作成し、保健科学の学生がユニークな臨床ケースで即座に支援を受けられるようにし、学生の成績を向上させることができます。コミュニケーションスキル (Salam、2023)。 さらに、生成 AI は、健康科学の学生の自己学習やグループワークを支援します。 生産的な人工知能の有用性と、それが提供する個別化されたインタラクションにより、人工知能は学生のモチベーションの源として受け入れられています (Connor 2023; Kosak et al., 2023; Gilson et al., 2023; Khan et al., 2023)。
さらに、教育者は、生成 AI によって生成された情報を批判的に評価し、情報の正確性について情報に基づいた決定を下し、生成 AI の使用における責任について考えるように生徒に教えることで、ディープラーニングを促進できます (Sun et al., 2023)。 たとえば、健康科学の学生は宿題として、ストレス管理のための証拠に基づいたプロトコルを作成するよう求められる場合があります。 学生は生成 AI を使用してプロトコルを準備できます。 したがって、学生は、主題に関連した概念を学習したり、さまざまなトピックに関する知識を得るのに時間を費やすことができます。
近年、人工知能技術の急速な発展は、経済、政治、科学、教育を含むすべての社会システムに影響を与えています(Luan et al., 2020、Stephanidis et al., 2019)。 しかし、人々は人工知能アプリケーションの存在に気づいていないことがよくあります (Tai、2020)。 Gansser と Reich (2021) は、人工知能を単に人間の生活を促進し、特定のシナリオで人々を支援するために開発されたテクノロジーと定義しています。 実際、人工知能は、病気の診断、環境資源の保護、自然災害の予測、教育の改善、暴力行為の防止、職場でのリスクの軽減など、多くの有用な場面で使用されています(Brooks, 2019)。 試験不安は、試験または評価中に学生が経験する不快な感情や感情状態として定義されます。 試験に対する不安は学生の学業の成功に悪影響を与えると言われています。
研究の種類
入学 (実際)
段階
- 適用できない
連絡先と場所
研究場所
-
-
-
Sinop、七面鳥、57000
- Yasemin Özyer Güvener
-
-
参加基準
適格基準
就学可能な年齢
- 大人
健康ボランティアの受け入れ
説明
包含基準:
- 2023年から2024年の秋学期にシノプ大学健康科学部の3年生と4年生であること
- ボランティアで研究に参加したり、
- インフォームドコンセントフォームへの署名
除外基準:
- 2023-2024秋学年度にシノプ大学健康科学部の3年生または4年生ではないこと
- 研究に自発的に参加しない
- インフォームドコンセントフォームに署名していない
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:支持療法
- 割り当て:非ランダム化
- 介入モデル:並列代入
- マスキング:ダブル
武器と介入
参加者グループ / アーム |
介入・治療 |
---|---|
介入なし:対照群
研究の事前テストでは、まず健康科学部 3 年生に研究の目的、研究への参加は自主性の原則に基づいていること、研究を途中でやめてもよいことを説明します。いつでも利用可能であり、研究結果は科学的目的にのみ使用されます。 その後、データ収集ツールが研究に参加することを志願した学生に適用されます。 試験実施後(期末試験の1週間前)に、学部3・4年生を対象に、個人情報記入表、「人工知能に対する態度尺度」、「ウェストサイド試験不安尺度」を再配布します。健康科学の博士号。 |
|
実験的:実験グループ
研究の事前テストでは、まず健康学部の4年生が対象となり、その後、研究に参加するボランティアを希望する学生にデータ収集ツールが適用されます。 教育コンテンツ。研究に参加することを志願した健康科学部の上級学生向けのChatGPTとGoogle Bardトレーニングは、講師のDr.によって提供され、メンバーのYasemin Özyer Güvenerによって提供されます。 トレーニング終了後、学生は教育目的で生成人工知能を使用するように求められます。 試験実施後(期末試験の1週間前)に、学部3・4年生を対象に、個人情報記入表、「人工知能に対する態度尺度」、「ウェストサイド試験不安尺度」を再配布します。健康科学の博士号。 |
教育コンテンツ。研究に参加することを志願した健康科学部の上級学生向けのChatGPTとGoogle Bardトレーニングは、講師のDr.によって提供され、メンバーのYasemin Özyer Güvenerによって提供されます。 トレーニング終了後、学生は教育目的で生成人工知能を使用するように求められます。 試験実施後(期末試験の1週間前)に、学部3・4年生を対象に、個人情報記入表、「人工知能に対する態度尺度」、「ウェストサイド試験不安尺度」を再配布します。健康科学の博士号。 |
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
---|---|---|
人工知能に対する態度尺度
時間枠:ある日
|
この尺度は、人工知能に対する個人の一般的な態度を測定するために、シェップマンとロッドウェイ (2020) によって開発されました。
このスケールには、12 個の肯定的な項目と 8 つの否定的な項目の 20 項目が含まれています。
項目は、5 段階のリッカート型評価スケール (1= 非常に同意しないから 5= 非常に同意) でスコア付けされます。
トルコ語における人工知能に対する態度尺度の妥当性と信頼性の研究は、Feridun らによって行われました。 (2022年)。
|
ある日
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
---|---|---|
ウェストサイド テスト不安スケール (WSKS)
時間枠:ある日
|
このスケールは Driscoll (2007) によって開発され、Totan と Yavuz (2009) によって大学生向けにトルコ語に適応されました。
このスケールは、試験の不安を軽減することを目的としたプログラムの効果を調べるために使用するために、独自の形式で開発されました。
Driscoll (2007) はスケールを 1 次元の 10 項目として形成しましたが、Totan と Yavuz (2009) は、1 つの項目を 2 つの異なる符号変数として定義する方がトルコ語の文法に適していると考え、スケールを 11 項目としてトルコ語に翻訳しました。
|
ある日
|
協力者と研究者
スポンサー
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (実際)
研究の完了 (実際)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
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
詳しくは
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。