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

인공지능 지원 근육 및 피하 주사 훈련이 간호학생에게 미치는 영향

2025년 11월 26일 업데이트: Banu Terzi, Akdeniz University

인공지능 기반 근육 및 피하 주사 교육이 간호학생의 지식, 추론 및 기술 습득에 미치는 영향: 준실험 연구

현대 의료 서비스의 복잡성과 기술 발전으로 인해 간호 교육에서 혁신적 접근법의 채택이 필요해졌습니다. 이러한 혁신적 접근법 중에서 인공지능(AI)은 간호 교육 과정에 점점 더 많이 도입되어 지원적, 맞춤형, 상호작용적 학습 경험을 제공하는 기술로 자리 잡았습니다. 임상적 의사결정, 기술 개발, 비판적 사고와 같은 핵심 역량 습득에 있어 AI의 기여는 빠르게 증가하고 있습니다. 특히 고위험, 침습적, 임상 기술 집약적 응용 분야에서 AI 지원 교육 모델은 학습 질을 향상시키고 환자 안전을 지원합니다. 근육 내 및 피하 주사는 간호 학생들이 반드시 습득해야 하는 기본 침습 기술 중 하나입니다. 이러한 응용은 학생들에게 높은 수준의 인지 및 심동 능력을 요구합니다. 잘못된 주사 실습은 약물 흡수 문제, 신경 손상, 혈종 또는 감염과 같은 합병증을 초래할 수 있어 이 기술을 올바르고 안전하게 가르치는 것이 매우 중요합니다. 이러한 맥락에서 AI 지원 교육 시스템은 주사 기술 교육을 위한 효과적인 도구로 두드러집니다. 인공지능 기반 챗봇은 학생들에게 이론적 지식과 실질적 지침을 모두 제공합니다. 예를 들어, 근육군에 주사하기 전에 학생은 챗봇을 통해 근육의 해부학에 대해 배우고 올바른 각도를 결정하며 잠재적 합병증에 대한 주의사항을 기억할 수 있습니다. 인공지능은 또한 학생들의 질문에 즉시 답변하여 잘못된 정보의 습득을 방지함으로써 학습 과정을 강화합니다. 최근 연구들은 AI 지원 학습 도구가 학생들의 학습 태도에 긍정적 영향을 미쳐 동기 부여와 학업 만족도를 높인다고 강조합니다. 따라서 미래 간호사 양성 과정에 AI 기반 기술의 통합은 더 이상 선택이 아닌 필수 사항입니다. 특히 근육 내 및 피하 주사와 같은 복잡하고 섬세한 기술에서 AI 지원 챗봇은 학생 학습을 용이하게 하고 기술 정확성을 높이며 임상 안전성을 지원할 수 있습니다. 따라서 간호 교육 프로그램이 학생 중심적, 안전하고 효과적인 학습 환경을 제공하기 위해 인공지능 기술과 교육학적 기초를 결합하는 것이 중요합니다.

연구 개요

상세 설명

간호 교육에서 인공지능(AI) 활용에 대한 포괄적인 검토 결과, 이 분야의 논문이 2021년 이후 급격히 증가했으며 챗봇이 학습 경험을 풍부하게 하는 데 변혁적인 효과를 보여주고 있음이 밝혀졌습니다. 이러한 연구들은 AI 기반 학습 도구가 아직 개발 초기 단계이지만 학습 과정에서 적극적이고 개인화된 지원을 제공하는 데 상당한 기여를 하고 있음을 나타냅니다. AI 지원 챗봇은 근육 주사(IM) 및 피하 주사(SC) 훈련과 같은 기술 기반 주제에 다양한 방식으로 기여할 수 있습니다. 예를 들어, 챗봇 기반 디지털 교사는 학생에게 질문을 통해 주사 단계를 단계별로 반복하도록 하고 올바르거나 잘못된 행동에 대해 즉각적인 피드백을 제공할 수 있습니다. 학생이 채팅 창에 "삼두근 부위에 주사할 때 바늘 길이는 얼마나 되어야 하나요?"와 같은 질문을 입력하면 챗봇은 빠르게 정보를 제공하여 학습의 중단 없이 진행될 수 있도록 합니다. AI의 또 다른 강점은 지능형 교육 시스템으로 사용될 수 있다는 점입니다. 이러한 시스템은 학생이 적용 과정에서 저지른 오류를 감지하고 올바른 주사 부위를 선택했는지 분석하며 이론적 지식의 공백을 채울 수 있는 제안을 제공할 수 있습니다. 챗봇 지원 교육의 중요한 장점 중 하나는 접근성과 연속성을 제공한다는 점입니다. 학생들은 교실이나 실험실 밖에서도 챗봇과 상호작용하며 학습을 계속할 수 있습니다. 예를 들어, 학교 밖 자유 시간에 개별적으로 공부하면서 질문에 대한 답변을 얻거나 주사 단계를 소리 내어 반복할 수 있습니다. 이로 인해 학습은 시간과 장소에 구애받지 않게 됩니다. 근육 주사 및 피하 주사와 같은 적용 기반 기술에서 AI와 챗봇은 전통적인 교육을 완전히 대체하지는 않지만, 보완적이고 지원적인 학습 구성 요소로서 이를 강화합니다. 예를 들어, 수업에서 교사의 실기 훈련을 받은 후 학생은 집에서 챗봇과 함께 미니 지식 테스트를 진행하고, 적용 단계를 반복하며 자신의 취약점을 분석할 수 있습니다. 챗봇 시스템은 학생들의 학습 데이터(자주 하는 실수, 반복되는 질문, 학습 시간 등)를 분석하고 교사에게 디지털 피드백을 제공할 수 있습니다. 이 데이터는 교육 프로그램의 개별화, 주제 반복, 학생들의 학습 요구를 더 정확하게 파악하는 것을 가능하게 합니다. 예를 들어, 근육 주사 단계를 기억하고 싶은 학생은 "삼두근 부위는 어디에 위치하나요?" 또는 "흡인(aspiration)이 필요한가요?"와 같은 질문을 챗봇을 통해 시각화할 수 있습니다. 이러한 유형의 기술적 지원은 특히 혼잡한 교실에서 개별화된 학습 기회를 제공합니다. 이러한 맥락에서 챗봇으로 지원되는 AI 기반 교육은 간호에서 근육 주사 및 피하 주사 교육의 미래에 중요한 역할을 할 준비가 되어 있습니다. 초기 연구 결과는 이러한 기술이 학생들의 자신감을 높이고 학습 동기를 부여하며 기억력을 지원하는 것으로 나타났습니다. 이 연구는 AI 기반 챗봇 시스템을 사용하여 학생들에게 감염 관리, 해부학적 부위 선택, 적절한 주사 기술, 합병증 관리와 같은 근육 주사 및 피하 주사 실습의 중요한 주제들을 구조화되고 상호작용적인 시나리오 흐름을 통해 가르치는 것을 목표로 합니다. 따라서 학생들의 지식 수준이 향상될 뿐만 아니라 심리운동 기술 수행 전 정신적 준비 과정이 가상 반복을 통해 지원될 것입니다. 동시에, 챗봇의 24/7 가용성은 학생들이 개별 학습 속도에 맞는 속도로 진행할 수 있도록 할 것입니다. 이는 전통적 방법에서 부족한 "학습자 중심의 개별화된 교육"에 대한 필요를 충족시킬 것입니다.

간호 교육, 특히 기술 훈련에서 AI 기반 챗봇 시스템의 사용은 비교적 새로운 분야이며, 이 분야의 연구는 제한적입니다. 국제 문헌에서 챗봇이 간호 교육의 특정 이론적 주제를 가르치는 데 효과적일 수 있다는 연구 결과가 있지만, 직접적인 간호 기술(예: 주사) 교육에서 AI 기반 챗봇 사용에 대한 과학적 데이터는 상당히 제한적입니다. 터키에서는 간호 학생들에게 주사와 같은 기본 실기 기술을 가르치는 데 AI 기반 챗봇 사용을 조사한 원저 연구가 없습니다. 이 연구의 강점과 독창성은 AI 기반 챗봇 시스템이 간호 교육에서 매우 중요한 근육 주사 및 피하 주사 훈련에 국내 및 국제 문헌에서 아직 사용된 바 없다는 사실에 있습니다.

연구 유형

중재적

등록 (추정된)

80

단계

  • 해당 없음

연락처 및 위치

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

연구 연락처

연구 장소

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

  • 어린이
  • 성인
  • 고령자

건강한 자원 봉사자를 받아들입니다

설명

포함 기준:

  • 1학년 간호대학생일 것,
  • 기본간호학-I 과목을 처음 수강하는 경우,
  • 근육 및 피하 주사 주제를 처음 접하는 경우,
  • 연구에 자발적이고 자발적으로 참여하기로 동의한 경우,
  • 챗봇 애플리케이션을 정기적으로 사용할 수 있는 스마트 기기와 인터넷 접속을 보유한 경우,
  • 연구 과정에 최소 80% 이상 참여할 것을 약속하는 경우 (4주 동안 주당 최소 2회 사용 보장)

제외 기준:

  • 이전에 기본간호학-I 과목을 수강했거나 주사 기술에 대한 정식 교육을 받은 경험이 있는 경우
  • 연구 과정 중 이론 또는 실습 교육에 참여할 수 없는 경우
  • 기술적 이유로 챗봇과의 상호작용을 지속할 수 없는 경우
  • 연구 데이터가 불완전하거나 사전 테스트/사후 테스트 과정을 완료할 수 없는 경우.

공부 계획

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

연구는 어떻게 설계됩니까?

디자인 세부사항

  • 주 목적: 건강 서비스 연구
  • 할당: 무작위화되지 않음
  • 중재 모델: 병렬 할당
  • 마스킹: 더블

무기와 개입

참가자 그룹 / 팔
개입 / 치료
실험적: 간섭

본 연구에서 사용될 챗봇 소프트웨어는 OpenAI에서 개발한 생성형 인공지능 언어 모델인 ChatGPT의 API 서비스를 통해 운영됩니다. 챗봇은 간호대학생들의 근육 및 피하 주사 훈련에서의 이론적 지식, 추론 능력 및 실무 기술을 지원하도록 설계됩니다.

챗봇은 특히 교수진이 제공한 주사 실습 관련 과학적 콘텐츠, 교재 및 문서로 특별히 학습되며, 이 콘텐츠를 바탕으로 특별히 개발된 행동 프롬프트를 통해 사용자와 일관되고 교육적이며 구조화된 상호작용을 제공합니다. 따라서 챗봇은 일반 정보를 제공하는 시스템뿐만 아니라 연구 범위 내에서 정의된 교육 목표에 맞춰진 맞춤형 가이드 역할도 수행합니다.

해당 소프트웨어는 훈련 기간 동안 주당 최소 2회 접근 가능하며, 학생들이 자주 접하는 질문에 답변할 수 있습니다.

간섭 없음: 루틴 근육 및 피하 주사 훈련
대조군 학생들은 "학생 소개 양식", "피하 및 근육 주사 이론 지식 평가(사전 평가 - 사후 평가)", "피하 및 근육 주사 기술 평가 양식-OSCE", CORE 점수 및 OSCE 점수를 사용하여 평가됩니다. 이론 교육 전에 학생들에게 "학생 소개 양식"과 "피하 및 근육 주사 이론 지식 평가(사전 평가)"가 제공됩니다. 이어서 이론 교육(목요일)과 실습실 교육(금요일)이 진행됩니다. 이러한 교육 후 1주일 후에 학생들은 "피하 및 근육 주사 이론 지식 평가(사후 평가)", CORE 및 OSCE를 치르게 됩니다. 이 시험에서 얻은 점수는 학생들의 전체 평균 학점에 반영되지 않습니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
피하 및 근육 주사 이론 지식 사전 평가
기간: 대조군과 연구군에서 근육 및 피하 주사 훈련 전에.
문헌을 참고하여 준비된 이 테스트는 피하(5문항) 및 근육(5문항) 주사 기술에 관한 총 10개의 질문으로 구성됩니다. 각 질문은 10점씩 배점되며, 테스트에서 60점 이상을 받은 학생들은 합격으로 간주됩니다. 기본간호학 분야의 총 5명의 전문가로부터 전문가 의견을 얻어 지식 테스트의 적절성을 확보할 것입니다.
대조군과 연구군에서 근육 및 피하 주사 훈련 전에.
피하 및 근육 주사 이론 지식 사후 평가
기간: 대조군과 연구군에서 근육 내 및 피하 주사 훈련 후 1주일; 연구군에서만 근육 내 및 피하 훈련 후 1개월.
문헌을 참고하여 준비된 이 시험은 피하(5문항) 및 근육(5문항) 주사 기술에 관한 총 10개 문항으로 구성됩니다. 각 문항은 10점씩 배점되며, 시험에서 60점 이상을 받은 학생은 성공한 것으로 간주됩니다. 기본간호학 분야의 총 5명의 전문가로부터 전문가 의견을 얻어 지식 시험의 적절성을 확보할 것입니다.
대조군과 연구군에서 근육 내 및 피하 주사 훈련 후 1주일; 연구군에서만 근육 내 및 피하 훈련 후 1개월.
목표 구조화 임상 시험 점수
기간: 대조군의 근육 주사 및 피하 주사 훈련 1주 후; 연구군의 근육 주사 및 피하 주사 훈련 1주 및 1개월 후
심리운동 기술 평가를 위해 시험이 실시됩니다. 임상 기술 수행 능력을 평가하기 위해 사용되는 객관적 구조화 임상 시험은 임상 실습 중에 요구되는 수준으로 예상되는 실습 및 기술을 수행할 준비가 되어 있는지 학생들을 평가하는 데 사용되는 유효한 전략입니다. 본 연구에서 학생들은 피하 주사와 근육 주사("대퇴근 외측부 근육 주사"와 "상완부 피하 주사") 각각에 대해 객관적 구조화 임상 시험을 한 번씩 받게 됩니다. 각 적용은 50점(최소=0, 최대=50)의 가치가 있습니다. 두 절차에서 총점 60점 이상을 받은 학생들은 성공한 것으로 간주됩니다. 두 절차에서 총점 40점 이하를 받은 학생들은 성공하지 못한 것으로 간주됩니다.
대조군의 근육 주사 및 피하 주사 훈련 1주 후; 연구군의 근육 주사 및 피하 주사 훈련 1주 및 1개월 후
임상 지향적 추론 시험 점수
기간: 대조군에서 근육 주사와 피하 주사 훈련 후 1주; 연구군에서 근육 주사와 피하 주사 훈련 후 1주 및 1개월
이 시험은 임상 추론 능력을 평가하기 위해 시행됩니다. 임상 추론과 의사 결정을 평가하도록 설계된 이 평가 방법은 "임상 중심 추론 시험"이라고 합니다. 임상 중심 추론 시험은 학생들이 실제 임상 환경에서 직면할 수 있는 문제를 기반으로 한 시나리오로 구성됩니다. 임상 중심 추론은 서면 시나리오를 포함하는 스테이션에서 시행되는 시험입니다. 시험은 첫 번째 스테이션에서 임상 중심의 서면 문제 설명으로 시작됩니다. 학생은 설명된 문제에 관한 대안 옵션을 제시받습니다. 학생은 세부 사항을 주의 깊게 검토하고 각 옵션을 개별적으로 평가하여 정확성에 관한 결론에 도달하도록 요청받습니다. 학생은 한 스테이션에서 둘 이상의 옵션을 선택할 권리가 있습니다. 학생들은 최소 0점, 최대 50점의 점수를 받을 수 있습니다. 총점 50점은 학생들의 임상 중심 추론 측면에서 좋은 점수입니다.
대조군에서 근육 주사와 피하 주사 훈련 후 1주; 연구군에서 근육 주사와 피하 주사 훈련 후 1주 및 1개월
생산적인 인공 지능 활용 및 역량 척도 점수
기간: IM 및 SC 주사 훈련 후 한 달 동안 연구 그룹에서만.
이 척도는 두 가지 요인과 19개의 문항으로 구성됩니다. 첫 번째 요인은 인공 지능 사용 역량을 측정하며, 문항 1-2-3-4-5-6-7-8-9-10을 포함합니다. 두 번째 요인은 인공 지능 지원 학습 동기를 측정하며, 문항 11-12-13-14-15-16-17-18-19를 포함합니다. 척도의 문항 7-17과 18은 역코딩됩니다. 이 척도는 5점 리커트 척도이며, 응답은 다음과 같이 점수화됩니다: 1-전혀 반영되지 않음, 2-약간 반영됨, 3-보통으로 반영됨, 4-많이 반영됨, 5-완전히 반영됨. 척도에서 얻은 점수는 다음과 같이 해석됩니다: 19-34 매우 낮은 수준의 AI 사용 및 숙련도, 35-49 낮은 수준의 AI 사용 및 숙련도, 50-64 보통 수준의 AI 사용 및 숙련도, 65-79 높은 수준의 AI 사용 및 숙련도, 80-95 매우 높은 수준의 인공 지능 사용 및 숙련도. 이 척도의 크론바흐 알파 신뢰도 계수는 0.83입니다.
IM 및 SC 주사 훈련 후 한 달 동안 연구 그룹에서만.

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 (추정된)

2025년 12월 15일

기본 완료 (추정된)

2026년 3월 15일

연구 완료 (추정된)

2026년 10월 15일

연구 등록 날짜

최초 제출

2025년 9월 29일

QC 기준을 충족하는 최초 제출

2025년 11월 19일

처음 게시됨 (추정된)

2025년 11월 28일

연구 기록 업데이트

마지막 업데이트 게시됨 (추정된)

2025년 12월 3일

QC 기준을 충족하는 마지막 업데이트 제출

2025년 11월 26일

마지막으로 확인됨

2025년 11월 1일

추가 정보

이 연구와 관련된 용어

기타 연구 ID 번호

  • TBAEK-599

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. .

간호교육에 대한 임상 시험

구독하다