이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

간호대학생의 인공지능에 대한 태도와 시험불안 수준

2024년 3월 29일 업데이트: Sinop University

ChatGPT와 Google Bard를 교육에 활용한 간호학생의 인공지능에 대한 태도와 시험불안 정도

본 연구는 ChatGPT와 Google Bard를 교육에 활용한 후 간호대학생의 인공지능에 대한 태도를 파악하고 불안 수준을 테스트하기 위해 기획되었습니다. 본 연구는 준실험, 사전-사후 연구 특성에 따라 2023~2024년 가을학기에 시놉대학교 보건과학부에서 공부하는 간호학과 3~4학년을 대상으로 진행될 예정이다. 연구그룹의 명칭은 다음과 같다. 실험그룹 : ChatGPT 및 구글 바드 교육을 받을 그룹, 컨트롤 그룹 : ChatGPT 및 구글 바드 교육을 받지 않는 그룹, 즉 간호학과 3학년생을 컨트롤 그룹이라 칭하며, 4학년 학생들이 실험그룹이 됩니다. 교육 콘텐츠 연구에 참여하기로 자원한 보건과학부 고학년 학생들을 위한 ChatGPT 및 Google Bard 교육은 강사 박사가 제공했습니다. Yasemin Özyer Güvener 회원이 제공할 것입니다. 훈련이 완료된 후 학생들은 교육 목적으로 생성 인공 지능을 사용하도록 요청받게 됩니다. 연구의 사후 테스트 실행 동안(최종 시험 1주일 전), 연구에 계속해서 자원 봉사하는 학생들에게 데이터 수집 도구가 다시 적용됩니다.

핵심어 : 간호학생, 시험불안, 생성인공지능, ChatGPT, Google Bard

연구 개요

상태

완전한

정황

개입 / 치료

상세 설명

보건 과학 교육에서는 생성 인공 지능 프로그램, 즉 ChatGPT 및 Google Bard를 사용하여 다양하고 현실적인 임상 이야기를 만들고, 보건 과학 학생들이 독특한 임상 사례에서 즉각적인 도움을 받을 수 있도록 하며, 학생들의 학습 수준을 향상시킬 수 있습니다. 의사소통 기술(Sallam, 2023). 또한 생성 AI는 보건 과학 학생들의 자가 학습 및 그룹 작업을 지원할 수 있습니다. 생산적인 인공 지능의 유용성과 그것이 제공하는 개별화된 상호 작용은 학생들에게 동기 부여의 원천으로 받아들여졌습니다(Connor 2023; Kosak et al., 2023; Gilson et al., 2023; Khan et al., 2023).

또한 교육자는 학생들에게 생성 AI에서 생성된 정보를 비판적으로 평가하고 정보의 정확성에 대해 정보에 입각한 결정을 내리며 생성 AI 사용에 대한 책임에 대해 생각하도록 가르쳐 딥 러닝을 촉진할 수 있습니다(Sun et al., 2023). 예를 들어, 보건 과학을 전공하는 학생들은 숙제로 스트레스 관리를 위한 증거 기반 프로토콜을 만들도록 요청받을 수 있습니다. 학생들은 생성 AI를 사용하여 프로토콜을 준비할 수 있습니다. 따라서 학생들은 과목과 관련된 개념을 배우거나 다양한 주제에 대한 지식을 얻는 데 시간을 보낼 수 있습니다.

최근 몇 년간 인공지능 기술의 급속한 발전은 경제, 정치, 과학, 교육 등 모든 사회 시스템에 영향을 미치고 있다(Luan et al., 2020, Stephanidis et al., 2019). 그러나 사람들은 인공지능 애플리케이션의 존재를 인지하지 못하는 경우가 많다(Tai, 2020). Gansser와 Reich(2021)는 인공 지능을 단순히 인간의 삶을 촉진하고 특정 시나리오에서 사람들을 돕기 위해 개발된 기술로 정의합니다. 실제로 인공지능은 질병 진단, 환경 자원 보호, 자연재해 예측, 교육 개선, 폭력 행위 예방, 직장 내 위험 감소 등 다양한 유용한 맥락에서 사용됩니다(Brooks, 2019). 시험 불안은 시험이나 평가 중에 학생이 경험하는 불쾌한 감정과 감정 상태로 정의됩니다. 시험 불안은 학생의 학업 성공에 부정적인 영향을 미치는 것으로 알려져 있습니다.

연구 유형

중재적

등록 (실제)

211

단계

  • 해당 없음

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

      • Sinop, 칠면조, 57000
        • Yasemin Özyer Güvener

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

  • 성인

건강한 자원 봉사자를 받아들입니다

예

설명

포함 기준:

  • 2023-2024년 가을학기 시놉대학교 보건과학부 3학년, 4학년 학생입니다.
  • 연구에 자발적으로 참여하고,
  • 사전 동의서에 서명하기

제외 기준:

  • 2023~2024년 가을학기에 시놉대학교 보건과학부 3~4학년 학생이 아닐 것
  • 연구에 자발적으로 참여하지 않음
  • 사전 동의서에 서명하지 않음

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 주 목적: 지지 요법
  • 할당: 무작위화되지 않음
  • 중재 모델: 병렬 할당
  • 마스킹: 더블

무기와 개입

참가자 그룹 / 팔
개입 / 치료
간섭 없음: 컨트롤 그룹

연구 사전 시험 동안, 먼저 보건과학부 3학년 학생들에게 연구의 목적, 연구 참여가 자발적 원칙에 기반을 두고 있다는 점, 언제라도 연구를 그만둘 수 있다는 점에 대해 설명합니다. 언제든지, 그리고 연구 결과는 과학적인 목적으로만 사용될 것입니다. 그런 다음, 연구에 자원하여 참여하는 학생들에게 데이터 수집 도구가 적용됩니다.

연구 후 시험 실시 기간(기말 고사 1주일 전)에 본 학부 3, 4학년 학생에게 개인 정보 양식인 "인공 지능에 대한 태도 척도" 및 "웨스트사이드 시험 불안 척도"를 다시 관리합니다. 건강 과학의.

실험적: 실험그룹

연구 사전 테스트에서는 먼저 보건학부 4학년 학생들을 대상으로 한 후, 연구에 자원하여 참여하는 학생들에게 데이터 수집 도구를 적용할 예정이다.

교육 콘텐츠 연구에 참여하기로 자원한 보건과학부 고학년 학생들을 위한 ChatGPT 및 Google Bard 교육은 강사 박사가 제공했습니다. Yasemin Özyer Güvener 회원이 제공할 것입니다. 훈련이 완료된 후 학생들은 교육 목적으로 생성 인공 지능을 사용하도록 요청받게 됩니다.

연구 후 시험 실시 기간(기말 고사 1주일 전)에 본 학부 3, 4학년 학생에게 개인 정보 양식인 "인공 지능에 대한 태도 척도" 및 "웨스트사이드 시험 불안 척도"를 다시 관리합니다. 건강 과학의.

교육 콘텐츠 연구에 참여하기로 자원한 보건과학부 고학년 학생들을 위한 ChatGPT 및 Google Bard 교육은 강사 박사가 제공했습니다. Yasemin Özyer Güvener 회원이 제공할 것입니다. 훈련이 완료된 후 학생들은 교육 목적으로 생성 인공 지능을 사용하도록 요청받게 됩니다.

연구 후 시험 실시 기간(기말 고사 1주일 전)에 본 학부 3, 4학년 학생에게 개인 정보 양식인 "인공 지능에 대한 태도 척도" 및 "웨스트사이드 시험 불안 척도"를 다시 관리합니다. 건강 과학의.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
인공 지능에 대한 태도 규모
기간: 어느 날
이 척도는 Schepman과 Rodway(2020)가 인공 지능에 대한 개인의 일반적인 태도를 측정하기 위해 개발했습니다. 척도에는 20개 항목(긍정 항목 12개, 음성 항목 8개)이 포함되어 있습니다. 항목은 5점 Likert 유형 평가 척도로 점수가 매겨집니다(1=매우 동의하지 않음부터 5=매우 동의함). 터키의 인공지능에 대한 태도 척도에 대한 타당성과 신뢰성 연구는 Feridun et al.에 의해 수행되었습니다. (2022).
어느 날

2차 결과 측정

결과 측정
측정값 설명
기간
웨스트사이드 시험 불안 척도(WSKS)
기간: 어느 날
이 척도는 Driscoll(2007)에 의해 개발되었으며 Totan 및 Yavuz(2009)에 의해 대학생을 위해 터키어로 적용되었습니다. 본 척도는 시험불안 감소 프로그램의 효과를 알아보기 위해 원형 그대로 개발되었다. Driscoll(2007)은 단일 차원에서 10개 항목으로 척도를 형성한 반면, Totan과 Yavuz(2009)는 척도를 11개 항목으로 터키어로 번역하여 하나의 항목을 두 개의 서로 다른 기호 변수로 정의하는 것이 터키어 문법에 더 적합할 것이라고 생각했습니다.
어느 날

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

연구 기록 날짜

이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.

연구 주요 날짜

연구 시작 (실제)

2024년 1월 25일

기본 완료 (실제)

2024년 2월 25일

연구 완료 (실제)

2024년 3월 4일

연구 등록 날짜

최초 제출

2023년 12월 19일

QC 기준을 충족하는 최초 제출

2024년 1월 22일

처음 게시됨 (실제)

2024년 1월 23일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2024년 4월 1일

QC 기준을 충족하는 마지막 업데이트 제출

2024년 3월 29일

마지막으로 확인됨

2024년 3월 1일

추가 정보

이 연구와 관련된 용어

추가 관련 MeSH 약관

기타 연구 ID 번호

  • sinopUyasemin-2

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

아니요

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .