看護学生におけるChatGPT支援高血圧の知識
看護学生におけるChatGPT支援高血圧の知識:精度、AI不安、認知負荷の評価
調査の概要
詳細な説明
教育における人工知能(AI)ツールの使用は急速に増加しています。 Openaiが開発したChatGptは、インタラクティブな学習環境を提供するAIベースのチャットボットです。 2021年まで公開された書籍、オンラインソース、および記事に基づいて、流fluentおよび知識ベースの回答を生成します。 さまざまな分野でのChatGptの広範な採用は、その役割と制限についての議論を引き起こしました。 看護教育では、学生はchatgptを頻繁に使用して、情報、研究サポート、試験の準備にすばやくアクセスします。 ただし、その反応の未知のソースと誤った情報の可能性により、その信頼性に関する懸念は生じます。 ChatGPTには、複雑でコンテキスト依存の回答を解釈することにも制限があり、個別のケアの原則を適用する能力がありません。これは看護実践に基づいています。
研究により、Healthcare分野でのChatGptのさまざまなパフォーマンスが実証されています。 世界中の10億人以上の人々に影響を与える慢性疾患である高血圧は、看護学生にとって重要なトピックです。その状態を理解することは患者のケアにプラスの影響を与える可能性があるためです。 以前の研究では、CHATGPTが高度に関連する質問に対する臨床的に適切な回答を92.5%の高精度で提供することが示されています。 さらに、CHATGPTのGPT-4バージョンは、米国医療ライセンス試験(USMLE)の質問の86%以上にわたって正しく答えました。
このランダム化比較研究の目的は、看護学生に高血圧を教える際のCHATGPTの有効性を評価しながら、AI関連の不安と認知負荷のレベルを評価することを目的としています。 教育におけるAIツールの存在が増加することを考えると、看護教育への最適な統合のために、その利点と制限の両方を理解することが重要です。
研究集団は、私立大学の看護プログラムに登録されている学生で構成されています。 この研究の目的は、人口全体、特に内科看護コースを修了した96人の学生に到達することを目指しています。 選択基準を満たす学生は、研究について通知され、参加するよう招待されます。 ボランティアは、入門情報フォームに記入し、コンピューターベースのランダム化(グループあたり48人の学生)を使用して、1:1の比率で介入(ChatGPT)またはコントロールグループにランダムに割り当てられます。 介入グループは、ChatGPTを使用して高血圧予防態度スケールからの質問に答え、対照群は従来の方法を使用します。 その後、両方のグループが人工知能不安スケールと認知負荷尺度を完了し、データ収集を結論付けます。 収集されたすべてのデータは、Windows 22.0統計ソフトウェアパッケージのSPSSを使用して分析されます。
研究の種類
入学 (推定)
段階
- 適用できない
連絡先と場所
研究連絡先
- 名前:Nursemin Unal, Assoc. Prof.
- 電話番号:+905077433629
- メール:nurse_unal@hotmail.com
研究連絡先のバックアップ
- 名前:Nilay Bektaş Akpınar, Assist.Prof.
- 電話番号:+905319920260
- メール:nilaybektas88@gmail.com
参加基準
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
包含基準:
- 2024年から2025年の学年の間に、私立大学の看護プログラムに登録されます。
- 内科看護コースを受講するために(このコースでは、学生は高血圧患者の看護に関する4時間の理論的レッスンを受けます)。
- 研究への参加に喜んでボランティアをすること。
除外基準:
- どの段階でも研究から撤退したい学生は、研究に含まれません。
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:他の
- 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
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
実験的:ChatGptグループ
介入グループの学生は、ChatGPTを使用して高血圧予防態度尺度からの質問に答えます。
|
介入グループの学生は、ChatGPTを使用して高血圧予防態度尺度からの質問に答えます。
他の名前:
|
|
介入なし:コントロールグループ
対照群では、学生は従来の方法を使用して高血圧予防態度スケールに対応します。
|
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 |
|---|---|---|
|
高血圧予防の態度スケール
時間枠:調査の開始時に最初の入場。
|
スケールは、保護と制御、習慣とライフスタイル、栄養態度、精神状態と身体活動、病気とリスクの知識など、26のアイテムとサブディメンションで構成されています。
アイテムは、「強く同意しない」から「強く同意する」までの5ポイントのリッカートスケールで評価されています。
スケールスコアの範囲は26〜130です。
スケールスコアと高血圧予防に対する態度の間には正の関係があります。
スケールのクロンバッハのアルファ値は0.91です。
|
調査の開始時に最初の入場。
|
|
人工知能不安スケール
時間枠:介入直後(スケールの質問に答える)
|
人工知能不安尺度(AIAS)は、Wang and Wang(2019)によって開発され、Akkaya et al。 (2021)。
スケールは5ポイントのリッカートタイプで、21のアイテムと4つの要因で構成されています。
これらの要因は、学習、仕事の変化、社会技術的失明、人工知能の構造化です。
スケールから取得できる最小スコアは21で、最大スコアは105です。
スコアが高いほど、AIの不安が高いことを示します。
スケールのクロンバッハのアルファ係数は0.95であると報告されています。
|
介入直後(スケールの質問に答える)
|
|
認知負荷スケール
時間枠:介入直後(スケールの質問に答える)
|
Paas and VanMerriënboer(1993)が開発した規模は、個々の研究プロセス中に学生の認知負荷を測定することを目的としています。
それは、KılıçとKaradeniz(2004)によってトルコ語に適応されました。
スケールは、1〜9の範囲のスコアを持つ対称のリッカートタイプのスケールです。これにより、学生が個々の学習プロセス中に努力する努力の評価が可能になります。
スケールによれば、認知負荷は1から9に増加します。1〜4のスコアは認知負荷が低いと見なされますが、5〜9のスコアは高い認知負荷と見なされます。
Paas and VanMerriënboer(1993)は、スケールで0.82の内部整合性係数を報告し、KılıçandKaradeniz(2004)は、トルコ版で0.90の内部整合性係数を計算しました。
|
介入直後(スケールの質問に答える)
|
協力者と研究者
スポンサー
捜査官
- 主任研究者:Nursemin Unal, Assoc. Prof.、Ankara University
出版物と役立つリンク
一般刊行物
- 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
研究記録日
主要日程の研究
研究開始 (推定)
一次修了 (推定)
研究の完了 (推定)
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。