このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

生成AIが支援する反転学習で設計された肩甲難産訓練プログラムの有効性評価

2026年4月13日 更新者：Melek Isik、Fenerbahce University

生成人工知能で支援された反転学習を用いて設計された肩甲難産トレーニングプログラムの効果の評価

医療教育におけるデジタルトランスフォーメーションの進行に伴い、学習者中心で技術を統合したアプローチの重要性が高まっています。 特に、医療分野における複雑で予測不可能な臨床状況の教育では、従来の方法の効果が限定的であるため、反転授業や自己主導学習などの革新的なアプローチに対する必要性が増しています。 生成人工知能（GAI）を活用した教育アプリケーションは、学習プロセスをよりインタラクティブにすることで学業成績の向上に貢献する可能性があります。 しかし、教育におけるこれらの技術の効果を評価する研究はまだ限られています。 このような状況において、GAIを活用した反転授業は、学生がシミュレーションされた教室や臨床環境を通じて個別化された学習経験を得ることを可能にし、臨床遭遇や特定の臨床スキルトレーニングに備えることができます。 この枠組みの中で取り組むべき重要な臨床トピックの一つが肩甲難産です。 肩甲難産は産科的緊急事態であり、ほとんどの場合、予測不可能で避けられません。 したがって、本研究は、技術を効果的に活用した肩甲難産トレーニングに適用されたGAIを活用した反転授業アプローチが、助産学学生の知識レベルと自己主導学習スキルに及ぼす影響を評価することを目的としています。

調査の概要

状態

まだ募集していません

条件

研究の種類

観察的

入学 (推定)

114

連絡先と場所

このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。

研究連絡先

  • 名前：Melek Kılıç, PhD Candidate
  • 電話番号：+905447324244
  • メール：mlekisik@gmail.com

研究場所

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

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

はい

サンプリング方法

確率サンプル

調査対象母集団

選定基準を満たす3年生114名を対象に、「学生情報フォーム」および「肩甲難産管理知識テスト」を実施します。 ベースラインレベルを決定するため、参加者は肩甲難産管理知識テストの得点に基づいて3層に層別化され、その後、単純無作為化法を用いて1:1:1の比率でG1、G2、G3の各群に割り当てられます。 選択バイアスを低減するため、無作為化リストは研究者から独立した個人が、randomizer.orgウェブサイトを使用して作成します。 無作為群割り当ては層別化された基準で実施されます（層別化基準：機関および肩甲難産管理知識テストの得点）。 この方法により、114名の3年生は3群に均等に無作為化され、G1に38名、G2に38名、G3に38名が割り当てられます。

説明

選定基準:

  • -フェネルバフチェ大学およびイスタンブール・チェラフパシャ健康科学部の助産学科の3年生であること。
  • 十分または無制限のインターネットアクセスがあること。

除外基準:

  • 肩甲難産に関するコースを以前に受講したことがあること
  • 授業欠席・病気休暇中の学生

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

研究はどのように設計されていますか？

デザインの詳細

コホートと介入

グループ/コホート
生成AI支援型反転学習
インタラクティブでシナリオベースの活動を伴う生成AI支援型反転学習アプローチを通じて、肩甲難産トレーニングを受ける助産学生。
標準反転学習
AIサポートなしの標準的な反転学習アプローチによる肩甲難産訓練を受ける助産学生。
伝統的学習
伝統的な講義ベースの教育方法を通じて肩甲難産トレーニングを受ける助産学生。

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
肩甲難産管理に関する知識レベル
時間枠：介入前および介入直後
助産学生の肩甲難産管理に関する知識レベルは、研究者が作成した構造化知識テストを用いて評価されます。
介入前および介入直後

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

スポンサー

Fenerbahce University

出版物と役立つリンク

研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。

一般刊行物

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (推定)

2026年4月1日

一次修了 (推定)

2026年6月1日

研究の完了 (推定)

2027年6月1日

試験登録日

最初に提出

2026年3月31日

QC基準を満たした最初の提出物

2026年3月31日

最初の投稿 (実際)

2026年4月7日

学習記録の更新

投稿された最後の更新 (実際)

2026年4月16日

QC基準を満たした最後の更新が送信されました

2026年4月13日

最終確認日

2026年3月1日

詳しくは

本研究に関する用語

キーワード

追加の関連 MeSH 用語

その他の研究ID番号

  • 2025/756

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?

はい

IPD プランの説明

本研究で報告された結果の基盤となる個別参加者データ（IPD）は、出版後、対応著者への合理的な要請により利用可能となります。 データは参加者の機密性を保護するために匿名化されます。 データへのアクセスは、研究方法論的に適切な提案を提供する研究者に、研究チームの承認を条件として許可されます。

IPD 共有時間枠

非個人識別化された個別参加者データ（IPD）および関連文書（研究プロトコル、統計解析計画書、インフォームド・コンセント文書）は、研究結果の発表から6か月後に利用可能になり、その後5年間利用可能となります。 データアクセスは、研究チームの承認を条件として、責任著者への合理的な要求に応じて提供されます。

IPD 共有アクセス基準

適格な研究者で、方法論的に適切な研究計画を提出する者に対して、匿名化された個別参加者データ（IPD）および関連文書（研究計画書、統計解析計画書、インフォームド・コンセント文書）へのアクセスが許可されます。 リクエストは対応著者に宛てて行ってください。 データは研究チームの承認後、該当する場合は施設倫理委員会の承認を得て共有されます。 データは安全な形式で提供され、利用者はデータの機密性と適切な使用を保証する利用規約に同意する必要があります。

IPD 共有サポート情報タイプ

  • STUDY_PROTOCOL
  • SAP
  • ICF

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

いいえ

米国FDA規制機器製品の研究

いいえ

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。

購読する