가상현실로 출산의 메커니즘 가르치기

최근 몇 년 동안 많은 연구에서 기술 지원 학습이 새로운 학습 접근 방식이라는 것을 보여주었습니다(1). 특히, 가상 현실(VR) 기술을 포함하는 학습 환경은 교육자와 학생을 위한 강력한 도구가 되었습니다(3, 4). 학생들이 가상 세계와 상호 작용할 수 있도록 다양한 분야에서 상당한 진전이 이루어졌습니다. 이러한 기술은 원래 웹 기반 학습 환경에서 제공되는 많은 교육 활동을 지원합니다. 조산사 교육에서 시뮬레이션 사용은 지난 10년 동안 중요한 교육 방법이 되었습니다(2). 시뮬레이션은 임상 상황을 최대한 현실에 가깝게 반영한 방법으로, 실제 임상에서 이러한 상황을 만났을 때 이해하고 관리하기가 더 쉽습니다. 환자의 안전을 보장하고 학생의 역량을 높이려는 노력으로 보건 전문가 교육에서 시뮬레이션 사용이 더욱 널리 퍼졌습니다(5). 조산 교육에서 가상 현실을 사용하면 학생들이 임상 실습을 시작하기 전에 조산 실습을 효과적으로 사용할 수 있습니다. 조산 교육의 초석 중 하나이며 학생들이 가상 현실 응용을 통해 임상 실습 기회를 찾는 출생 교육은 임상 적용 오류를 최소화하고 태아 태반 및 태반 이상과 같은 불리한 조건을 조기에 진단하여 출생시 발생할 수 있습니다.

연구 유형: 연구는 실험군과 대조군으로 계획된 실험적 연구입니다.

연구는 2부분으로 구성된다. 1부에서는 가상 현실 응용 프로그램을 개발합니다. 가상 출산 소프트웨어는 서비스 조달을 통해 준비됩니다. 이를 위해 연구팀은 여성의 생리, 단계, 기전, 해부학적 구조 등을 상세하게 작성해 알고리즘을 만들 예정이다.

II. 연구의 적용은 부서에서 이루어집니다.

섹션 I: 가상 현실 애플리케이션 개발

연구 1부에서는 서비스 조달을 통해 가상 출산 소프트웨어를 준비합니다. 이를 위해 연구팀은 여성의 생리, 단계, 기전, 해부학적 구조 등을 상세하게 작성해 알고리즘을 만들 예정이다. 이 알고리즘은 출생 지도에 있는 여성의 해부 이미지 및 그림과 출산 당시 인터넷에 공유된 실제 이미지를 기반으로 안경으로 전송됩니다. 예산 양식에 명시된 바와 같이 가상 출산 소프트웨어 개발을 위한 서비스가 조달될 것입니다.

가상출산 어플리케이션으로,

• 출산의 생리와 메커니즘을 배우기 위해,
• 출생 과정을 모니터링하고 정상과의 편차를 이해하기 위해,
• 정상적인 출산 학습,
• 태어날 때 맞닥뜨릴 수 있는 모든 위급 상황을 볼 수 있는 기회를 제공할 것이며 그 외에도 정보는 오랫동안 기억될 것입니다. 이와 같이 조산사 교육에서 가상출산의 효과성을 평가하고자 한다.

II. 부서: 연구의 응용

연구의 마지막 부분에서 연구의 응용 부분이 시작되었습니다. 연구는 3개의 그룹, 2개의 실험 그룹 및 1개의 컨트롤 그룹으로 구성됩니다. 0.95 power로 계산된 G-power 분석 결과 각 그룹에 35명의 학생이 입학하게 됩니다.

연구의 우주는 Karabük 대학에서 공부하는 464명의 조산사 학생들로 구성됩니다.

표본은 교과과정 내에서 이론적으로 4시간의 출산기전을 이수한 산파학생 중 G-power를 0.95 power로 분석한 결과 105명의 조산학생, 35명의 대조군, 35명의 실험 I, 35명의 실험 II로 구성될 것이다. 정상적인 출산 수업의 범위.

첫 번째 단계: 세 그룹 모두에 대해 4시간의 이론 교육 후, 본 연구에 사용하기 위해 연구자가 준비한 정보 양식(DEDBF)이 첫 번째 테스트로 적용됩니다.

두 번째 단계: 대조군에는 적용하지 않고, 실험군에는 컴퓨터 지원 및 안내 가상 현실 적용을 적용하고, 실험군 II에는 컴퓨터를 사용하지 않고 안내하지 않는 가상 적용을 모니터링합니다.

세 번째 단계: DEDBF 질문이 교체되고 사후 테스트가 적용됩니다. 대조군을 대상으로 4시간의 이론교육 후 실험군에서 가상출산 어플리케이션을 시청한 후 사후검사를 실시한다. 또한 이 단계에서 "인지적 부하 척도"와 "재고감"은 적용 후 실험군에 적용됩니다.

4단계: 3주 후 다시 DEDBF를 3개 집단에 적용하고, 가상출산 적용의 유효성을 조사하여 정보를 회상하게 한다.

신청하는 동안 실험군과 통제군 비디오 및 이미지가 촬영되어 논문에 시각적으로 게시됩니다.

연구에 참여하지 못하여 무작위로 대조군으로 선정된 학생들에게도 연구 종료 후 가상현실 안경을 제공하여 모든 학생들이 가상출산 신청을 볼 수 있도록 하여 평등이 이루어지도록 할 것입니다.

데이터 수집 도구:

자료수집양식 : 연령, 결혼여부, 학력, 가족유형 등 참여자의 특성을 포함하는 15문항으로 구성된 양식을 적용할 계획이다.

출생 행동 평가 정보 척도(DEDBF): 이 척도는 이 논문에 사용하기 위해 연구원이 직접 준비합니다. 양식을 준비하기 위해 연구자들은 최신 문헌 정보를 검토했고, YÖK에서 만든 조산 핵심 커리큘럼(EUÇEP)과 출산의 생리, 단계 및 메커니즘에 대한 항목을 포함하는 42개의 질문 정보 양식을 준비했습니다. 정보 양식의 항목은 참 또는 거짓이 될 수 있는 완전한 문장의 형태로 학생들에게 제시되며 학생들은 이러한 진술에 대해 "참" 또는 "거짓"으로 대답해야 합니다. 총 응답 시간은 30분입니다. 정답은 1점, 오답은 0점으로 평가됩니다. 정보 형식에서도 잘못된 표현이 사용되었으며, 이러한 항목은 다른 항목에 비해 역으로 코딩되었습니다. 정보 양식에서 취해야 할 최저 점수는 0점이고 최고 총점은 42점입니다.

인지 부하 척도: Kılıç et al. (2004) 터키어에 맞게 조정된 "Cognitive Load Scale"(BYÖ)이 사용됩니다. 단일 요소와 9개의 포인트(매우 적음, 매우 적음, 약간, 부분적으로 적음, 더도 안 됨, 더, 더, 더, 더, 더, 더 또는 더)가 있습니다. 원본 버전의 Cronbach Alpha 내부 일관성 계수는 ​​.90으로 확인되었습니다. (7). Kılıç et al. (2004) 적응 연구에서 Cronbach Alpha 내부 일관성 계수는 ​​.78로 나타났습니다. 척도에서 얻은 점수 중 가장 낮은 점수는 1.00, 중간 점수는 5.00, 가장 높은 점수는 9.00입니다. 5점 미만의 참가자는 "인지 과부하"로 평가되었으며, 5점 이상의 참가자는 "인지 과부하"로 평가되었습니다.

가용성 민감도 척도: Gökoğlu et al. 척도는 가상 현실 기반 학습 환경에서 측정됩니다. 이 척도는 참여(요인 1), 응집력/주변(요인 2), 감각 몰입(요인 3), 상호작용(요인 4) 및 인터페이스 품질(요인 5)의 5가지 요인(하위 척도)을 가지며 29개의 질문(8개)으로 구성됩니다. ). 탐색적 요인분석(AFA)과 확증적 요인분석(CFA)에 따르면 5요인구조로 설명되는 총 분산은 41.197%, 척도의 신뢰도 계수는 .844였다.

연구 데이터 분석: 연구 데이터 분석은 IBM SPSS for Mac book 24 버전을 사용하여 수행됩니다.