간호 학생들의 Chatgpt 지원 고혈압 지식
간호 학생의 Chatgpt 지원 고혈압 지식 : 정확성 평가, AI 불안 및인지 부하 평가
연구 개요
상세 설명
교육에 인공 지능 (AI) 도구의 사용이 급격히 증가하고 있습니다. OpenAI가 개발 한 ChatGpt는 대화식 학습 환경을 제공하는 AI 기반 챗봇입니다. 도서, 온라인 소스 및 2021 년까지 출판 된 기사를 기반으로 유창하고 지식 기반 응답을 생성합니다. 다양한 분야에서 Chatgpt의 광범위한 채택은 그 역할과 한계에 대한 논쟁을 불러 일으켰습니다. 간호 교육에서 학생들은 자주 Chatgpt를 사용하여 정보, 연구 지원 및 시험 준비에 빠르게 액세스 할 수 있습니다. 그러나 그 신뢰성에 대한 우려는 알 수없는 반응의 원인과 잘못된 정보의 가능성으로 인해 발생합니다. Chatgpt는 또한 복잡한 상황에 의존하는 답변 해석에 한계가 있으며 간호 실무에서 기본적인 개별 치료 원칙을 적용 할 수있는 능력이 부족합니다.
연구에 따르면 Healthcare 분야에서 Chatgpt의 다양한 성능이 입증되었습니다. 전 세계 10 억 명이 넘는 만성 질환 인 고혈압은 간호 학생들에게 중요한 주제입니다.이 상태에 대한 이해는 환자 치료에 긍정적 인 영향을 줄 수 있기 때문입니다. 이전의 연구에 따르면 Chatgpt는 고혈압 관련 질문에 대한 고혈압 관련 질문에 대한 임상 적으로 적절한 답변을 92.5%로 제공합니다. 또한 ChatGpt의 GPT-4 버전은 미국 의료 면허 시험 (USMLE)에서 질문의 86% 이상을 올바르게 답변했습니다.
이 무작위 통제 연구는 간호 학생들에게 고혈압을 가르치는 데있어 ChatGpt의 효과를 평가하는 동시에 AI 관련 불안과인지 부하 수준을 평가하는 것을 목표로합니다. 교육에 AI 도구가 증가함에 따라 간호 교육에 최적의 통합을 위해서는 장점과 한계를 모두 이해하는 것이 중요합니다.
연구 인구는 사립 대학의 간호 프로그램에 등록한 학생들로 구성됩니다. 이 연구는 전체 인구, 특히 내과 간호 과정을 마친 96 명의 학생들에게 도달하는 것을 목표로합니다. 포함 기준을 충족하는 학생들은 연구에 대한 정보를 제공하고 참여하도록 초대됩니다. 자원 봉사자는 소개 정보 양식을 작성하고 컴퓨터 기반 무작위 배정 (그룹당 48 명의 학생)을 사용하여 1 : 1 비율로 중재 (ChatGPT) 또는 제어 그룹에 무작위로 배정됩니다. 중재 그룹은 ChatGpt를 사용하여 고혈압 예방 태도 척도의 질문에 답변하고 대조군은 전통적인 방법을 사용합니다. 그 후, 두 그룹 모두 인공 지능 불안 척도와인지 부하 척도를 완료하여 데이터 수집을 마무리합니다. 수집 된 모든 데이터는 Windows 22.0 통계 소프트웨어 패키지 용 SPSS를 사용하여 분석됩니다.
연구 유형
등록 (추정된)
단계
- 해당 없음
연락처 및 위치
연구 연락처
- 이름: Nursemin Unal, Assoc. Prof.
- 전화번호: +905077433629
- 이메일: nurse_unal@hotmail.com
연구 연락처 백업
- 이름: Nilay Bektaş Akpınar, Assist.Prof.
- 전화번호: +905319920260
- 이메일: nilaybektas88@gmail.com
참여기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
설명
포함 기준 :
- 2024-2025 학년도에 사립 대학의 간호 프로그램에 등록됩니다.
- 내과 간호 과정을 수강하려면 (이 과정에서 학생들은 고혈압 환자를위한 간호에 대한 4 시간의 이론적 수업을받습니다).
- 연구 참여를 위해 자원 봉사를 기꺼이합니다.
제외 기준 :
- 어떤 단계에서나 연구에서 철수하려는 학생들은 연구에 포함되지 않습니다.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 다른
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 하나의
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: Chatgpt 그룹
중재 그룹의 학생들은 Chatgpt를 사용하여 고혈압 예방 태도 척도의 질문에 답변합니다.
|
중재 그룹의 학생들은 Chatgpt를 사용하여 고혈압 예방 태도 척도의 질문에 답변합니다.
다른 이름들:
|
|
간섭 없음: 제어 그룹
통제 그룹에서 학생들은 전통적인 방법을 사용하여 고혈압 예방 태도 척도에 달려 있습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
고혈압 예방 태도 척도
기간: 연구가 시작될 때 첫 입학.
|
이 척도는 보호 및 통제, 습관 및 생활 양식, 영양 태도, 정신 상태 및 신체 활동, 질병 및 위험 지식을 포함한 26 개의 항목 및 하위 차원으로 구성됩니다.
항목은 "강하게 동의하지 않는"것에서 "강하게 동의"에 이르기까지 5 점 리 커트 척도로 평가됩니다.
스케일 점수는 26에서 130까지 다양합니다.
척도 점수와 고혈압 방지에 대한 태도 사이에는 긍정적 인 관계가 있습니다.
크론 바흐의 척도의 알파 값은 0.91입니다.
|
연구가 시작될 때 첫 입학.
|
|
인공 지능 불안 척도
기간: 개입 직후 (척도 질문에 답변)
|
인공 지능 불안 척도 (AIA)는 Wang and Wang (2019)에 의해 개발되었으며 Akkaya et al. (2021).
스케일은 21 개의 항목과 4 가지 요소로 구성된 5 점 리 커트 유형입니다.
이러한 요소는 학습, 직업 변화, 사회 기술 실명 및 인공 지능 구조화입니다.
스케일에서 얻을 수있는 최소 점수는 21이고 최대 점수는 105입니다.
점수가 높을수록 AI 불안의 수준이 높아집니다.
크론 바흐의 알파 계수는 0.95로보고됩니다.
|
개입 직후 (척도 질문에 답변)
|
|
인지 하중 척도
기간: 개입 직후 (척도 질문에 답변)
|
Paas와 Van Merriënboer (1993)가 개발 한 척도는 개별 연구 과정에서 학생들의인지 적 부하를 측정하는 것을 목표로합니다.
그것은 Kılıç와 Karadeniz (2004)에 의해 터키에 적용되었다.
척도는 1에서 9 사이의 점수를 가진 대칭적인 리 커트 유형 척도입니다. 개별 학습 과정에서 학생이 수행하는 노력을 평가할 수 있습니다.
규모에 따르면,인지 부하는 1에서 9로 증가합니다. 1-4 사이의 점수는 낮은인지 부하로 간주되는 반면 5-9 사이의 점수는 높은인지 부하로 간주됩니다.
Paas와 Van Merriënboer (1993)는 스케일에 대해 0.82의 내부 일관성 계수를보고 한 반면 Kılıç와 Karadeniz (2004)는 터키 버전의 내부 일관성 계수 0.90을 계산했습니다.
|
개입 직후 (척도 질문에 답변)
|
공동 작업자 및 조사자
수사관
- 수석 연구원: Nursemin Unal, Assoc. Prof., Ankara University
간행물 및 유용한 링크
일반 간행물
- 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
연구 기록 날짜
연구 주요 날짜
연구 시작 (추정된)
기본 완료 (추정된)
연구 완료 (추정된)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
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. .
Chatgpt에 대한 임상 시험
-
Charite University, Berlin, GermanyGerman Research Foundation; Max Planck Institute for Human Development아직 모집하지 않음
-
Chang Gung University of Science and TechnologyNational Science and Technology Council, Taiwan아직 모집하지 않음소셜커뮤니케이션 | CHF - 울혈성 심부전 | 65세 이상
-
Hartford HospitalBoston Scientific Corporation모집하지 않고 적극적으로
-
Chang Gung University of Science and Technology아직 모집하지 않음소셜커뮤니케이션 | CHF - 울혈성 심부전 | 65세 이상 | 노인의 근감소증
-
Carleton UniversityUniversité de Montréal완전한
-
Istituto Clinico HumanitasFondazione I.R.C.C.S. Istituto Neurologico Carlo Besta완전한
-
Izmir University of EconomicsThe Scientific and Technological Research Council of Turkey완전한