간호학생의 임상 학습을 향상시키기 위한 CALMO(Chatbot 지원 학습 모델)를 사용한 챗봇 평가 (CALMO)

본 연구에서는 간호대학생의 임상학습을 지원하기 위한 챗봇을 설계하고 개발할 것이다. 제안된 연구의 목적은 다음과 같습니다. (1) 대화를 시뮬레이션하고 임상 정보를 제공하며 다양한 임상 시나리오와 관련된 지침을 제공할 수 있는 챗봇 프로토타입을 설계 및 개발합니다. (2) 챗봇 개입이 간호대학생의 간호 지식, 전반적인 자기 효능감, 자기 성찰 및 통찰력에 미치는 영향을 평가합니다. (3) 교육 도구로서 챗봇에 대한 학생들의 인식, 만족도 및 수용도를 조사합니다. 혼합 방법 준실험 설계를 사용하여 이 챗봇 기술의 유효성을 평가합니다. 제안된 연구에서는 챗봇을 활용한 임상 교육이 간호 지식, 일반적인 자기 효능감, 자기 성찰 및 통찰력을 향상시켜 임상 성과를 향상시킬 수 있는 잠재력이 있다고 가정합니다. 제안된 연구는 두 단계로 진행됩니다. 1단계: 증거 기반 임상 정보를 제공하고 대화형 대화에 참여하며 다양한 임상 시나리오에 맞춤화된 학습 리소스를 제공할 수 있는 챗봇 프로토타입을 설계 및 개발합니다. 챗봇은 웹 기반 플랫폼이나 모바일 애플리케이션을 통해 액세스할 수 있습니다. 2단계: 혼합 방법 준실험 설계 및 포커스 그룹 인터뷰를 수행하여 챗봇 개입이 임상 학습에 미치는 영향을 평가합니다. 두 기관의 간호 프로그램에 등록된 174명의 간호학생의 편의 표본을 모집하여 챗봇 지원 임상 학습을 받는 실험 그룹 또는 챗봇 통합 없이 전통적인 임상 교육을 받는 통제 그룹에 할당합니다. 학생들의 간호 지식을 평가하기 위해 기준점에서 개입 전(T0), 기준점 후 4주(4주차, T1), 개입 후(12주차, T2)의 세 가지 시점에서 두 그룹으로부터 정량적 데이터를 수집합니다. 일반적인 자기 효능감, 자기 성찰 및 통찰력. 질적 데이터는 포커스 그룹 인터뷰를 통해 수집되어 챗봇 지원 학습에 대한 학생들의 인식, 만족도 및 경험을 탐구합니다. 정량적 데이터는 MANOVA를 사용하여 분석되어 그룹 간 및 그룹 내 결과를 비교합니다. 챗봇을 사용한 학생들의 인식 및 경험과 관련된 새로운 주제와 패턴을 식별하기 위해 질적 데이터에 대한 주제별 분석이 수행됩니다. 실험그룹(EG) 참가자들은 1차 기간 동안 개발 예정인 Chatbot-Assisted Learning Model의 약자로 성별 중립적인 이름인 CALMO라는 자체 개발한 웹 기반 챗봇 플랫폼에 대한 액세스 코드를 받게 됩니다. 이 제안된 연구의 단계. 중재는 12주 연구 기간 동안 제공됩니다. 통제 그룹(CG)의 참가자는 중재 기간 동안 일반적인 임상 교육 지원을 받게 됩니다. 중재를 평가하고 연구의 품질과 일관성을 보장하기 위해 프로젝트 관리 팀이 구성됩니다. 정기적인 대면 또는 온라인 회의를 통해 학습 개입. 참가자 로그인, 세션 완료율 및 중재 자료 참여를 추적하는 메커니즘을 개발하여 연구의 충실도가 보장됩니다. 정기적인 서비스 보고서 제공과 함께 플랫폼 개발자가 챗봇 기능에 대한 정기적인 점검을 수행합니다. 참가자들이 피드백을 제공하고, 기술적 문제를 보고하고, 개입 중에 연구팀의 지원을 구할 수 있는 의사소통 채널이 구축됩니다. 데이터는 정량적 데이터와 정성적 데이터를 결합하는 혼합 방법 접근 방식을 사용하여 분석됩니다. 사회과학통계패키지(SPSS) Version 26을 이용한 통계분석. Chi-square 검정(명목 데이터의 경우), Mann-Witney U 검정(순서 또는 비정규 데이터의 경우) 또는 t-검정(예: 정규성 데이터). 크게 다른 것으로 간주되는 모든 변수는 추가로 평가되고(예: 통계 분석에 공변량으로 포함됨) 결과에 대한 잠재적 교란 효과를 설명하기 위해 조정됩니다. 가설을 테스트하고 결과 변수를 반복적으로 측정하여 클러스터링 효과를 제공하기 위해 그룹 간 차이를 테스트하기 위해 기본 결과 변수를 조정하는 일반화 추정 방정식(GEE)과 같은 다변량 접근 방식이 사용됩니다. . 학생이 기본 데이터 수집과 최종 데이터 수집 사이에 중퇴하는 경우 치료 의도 분석이 적용됩니다. 시간 x 그룹 효과는 모든 유의성 테스트에 대해 5%의 양면 제1종 오류율을 사용하여 테스트됩니다. 학생들의 인식 및 경험과 관련된 새로운 주제와 패턴을 식별하기 위해 질적 데이터에 대한 주제별 분석이 수행됩니다.