Fysiotherapeuten en kunstmatige intelligentie
Aanpassing van toekomstige fysiotherapeuten aan het tijdperk van kunstmatige intelligentie: attitude, acceptatie en digitale competentie van kunstmatige intelligentie: kunstmatige intelligentie
Deze studie is een transversaal onderzoek dat is ontworpen in het kader van het beschrijvende en relationele screeningmodel van kwantitatieve onderzoeksmethoden. Het onderzoek is bedoeld om de digitale competentieniveaus, houding ten opzichte van kunstmatige intelligentie en acceptatieniveaus van kunstmatige intelligentie van niet -gegradueerde studenten van de afdeling fysiotherapie te evalueren en de relaties tussen deze variabelen te onthullen.
Onderzoeksvragen
- Wat zijn de digitale competentieniveaus van studenten fysiotherapie?
- Wat zijn de houding van studenten van fysiotherapie ten opzichte van kunstmatige intelligentie?
- Wat zijn de acceptatieniveaus van studenten van fysiotherapie voor kunstmatige intelligentie -technologieën?
- Is er een belangrijke relatie tussen het niveau van digitale competentie en de houding ten opzichte van kunstmatige intelligentie?
- Is er een belangrijke relatie tussen het niveau van digitale competentie en de acceptatie van kunstmatige intelligentie -technologieën?
- Is er een belangrijke relatie tussen de houding ten opzichte van kunstmatige intelligentie en het acceptatieniveau van kunstmatige intelligentie -technologieën?
- Is er een significant verschil tussen de digitale competentie van de deelnemers, houding ten opzichte van kunstmatige intelligentie en acceptatieniveaus volgens variabelen zoals geslacht, graadniveau en duur van het gebruik van digitaal gereedschap? Het universum van het onderzoek zal bestaan uit niet -gegradueerde studenten die studeren aan de afdeling fysiotherapie en revalidatie aan de Faculteit der Gezondheidswetenschappen van Alanya, İnönü, Pamukkale, Okan University. De steekproef van het onderzoek is gepland als ongeveer 600 studenten die willekeurig zijn geselecteerd uit vier verschillende universiteiten om verschillende geografische regio's te vertegenwoordigen en op vrijwillige basis worden bepaald.
Het onderzoek is gepland om te bestaan uit studenten die studeren in het niet -gegradueerde programma van fysiotherapie en revalidatie in Türkiye. Tijdens het verzamelen van de gegevens, de inleidende informatievorm, digitale competenties schaalbaar voor universitaire studenten, schaal van houding van universitaire studenten ten opzichte van kunstmatige intelligentie en productieve acceptatie -acceptatieschaal voor kunstmatige intelligentie zullen worden gebruikt.
De verzamelde gegevens worden geanalyseerd met behulp van het SPSS (Statistical Package for Social Sciences) -programma. De Kolmogorov-Smirnov- en Shapiro-Wilk-tests zullen worden gebruikt om te evalueren of de gegevens normaal worden verdeeld. In variabelen die normaal worden verdeeld: gemiddelde, standaardafwijking, onafhankelijke monster t-test, ANOVA en Pearson Correlation Test worden gebruikt. In niet-normale verdeling: mediaan, minimum-maximum, Mann-Whitney U-test, Kruskal Wallis-test, worden Spearman-correlatietests toegepast. Bovendien zal regressieanalyse worden uitgevoerd om de relaties tussen sociodemografische informatie van studenten, digitale competentie, kunstmatige intelligentie -houding en acceptatieniveaus van kunstmatige intelligentie te evalueren. P <0,05 wordt geaccepteerd als het significantieniveau.
Studie Overzicht
Toestand
Gedetailleerde beschrijving
Snelle ontwikkelingen in digitalisering en technologieën voor kunstmatige intelligentie hebben aanzienlijke veranderingen veroorzaakt in de manier waarop gezondheidszorg wordt verstrekt. Tegenwoordig worden door kunstmatige intelligentie ondersteunde toepassingen actief gebruikt op veel gebieden op het gebied van gezondheidszorg, van vroege diagnose van ziekten tot behandeling, van vervolg op de patiënt tot gepersonaliseerde zorgplanning. In disciplines waar klinische besluitvormingsprocessen belangrijk zijn, zoals fysiotherapie en revalidatie, worden digitale hulpmiddelen en kunstmatige intelligentiesystemen geïntegreerd in het veld met bewegingsanalyse, tracking, revalidatierobots, op virtual reality gebaseerde behandelingen en kunstmatige intelligentie-ondersteunde mobiele applicaties. Deze technologische transformatie beïnvloedt niet alleen de professionele praktijk, maar ook voor beroepsonderwijs. De digitale competentieniveaus van universitaire studenten die gezondheidseducatie krijgen, hun vermogen om technologie aan te nemen en hun houding ten opzichte van kunstmatige intelligentie van cruciaal belang zijn in termen van zowel hun individuele professionele ontwikkeling als de kwaliteit na het afstuderen. Inzicht in hoe klaar studenten in het bijzonder zijn voor het digitale transformatieproces, zal zowel de herstructurering van educatieve programma's als de harmonisatie van het beroep met technologische ontwikkelingen begeleiden. Studies hebben aangetoond dat studenten gezondheidswetenschappen over het algemeen toegang hebben tot digitale tools, maar ze ervaren verschillende tekortkomingen in het effectief en bewust gebruik van deze tools. Bovendien is gemeld dat personen die een positieve houding ten opzichte van kunstmatige intelligentie ontwikkelen zich sneller aanpassen aan deze technologieën en efficiëntere resultaten behalen in onderwijs en klinische praktijken. Het aantal holistische studies in de literatuur, met name die specifiek voor studenten van fysiotherapie, waar kunstmatige intelligentie -attitudes, technologie -acceptatie en digitale competentieniveaus samen worden geëvalueerd, is vrij beperkt.
Daarom is de reden van dit onderzoek om de digitale competentieniveaus van studenten van fysiotherapie, hun houding ten opzichte van kunstmatige intelligentie en hun neiging om kunstmatige intelligentie -technologieën te accepteren te evalueren om hun aanpassingsprocessen te evalueren aan digitalisering op het gebied van gezondheid en om wetenschappelijke gegevens te produceren die zullen bijdragen aan het onderwijsbeleid, cursuscursus en klinische praktijkstrategieën in deze context.
Het belangrijkste doel van dit onderzoek is het evalueren van de digitale competentieniveaus van studenten van fysiotherapie, hun houding ten opzichte van kunstmatige intelligentie en hun neiging om kunstmatige intelligentietechnologieën te accepteren. Door de mogelijke relaties tussen deze drie variabelen te onderzoeken, is het bovendien bedoeld om te onthullen in hoeverre studenten hun professionele competenties hebben ontwikkeld in het tijdperk van digitale transformatie en kunstmatige intelligentie. In deze context zullen de te verkrijgen gegevens bijdragen aan de bepaling van de educatieve behoeften voor digitale geletterdheid en op kunstmatige intelligentie gebaseerde toepassingen op het gebied van gezondheid; en zal de weg vrijmaken voor het begrijpen van het aanpassingsniveau van toekomstige fysiotherapeuten aan technologische ontwikkelingen.
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studie Locaties
-
-
-
Antalya, Kalkoen
- Alanya Alaaddin Keykubat University
-
Denizli, Kalkoen
- Pamukkale University
-
Malatya, Kalkoen
- Inonu University
-
İstanbul, Kalkoen
- Okan university
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Bestaande uit studenten die studeren in een fysiotherapie- en revalidatieprogramma in Türkiye,
- Akkoord gaan om vrijwillig deel te nemen aan het onderzoek en het online geïnformeerde toestemmingsformulier goed te keuren,
- 18 jaar of ouder zijn,
- Het enquêteformulier volledig invullen,
- Actief gebruiken van ten minste één digitaal apparaat (smartphone, computer, tablet, enz.)
Uitsluitingscriteria:
- Studeren op een andere afdeling dan de afdeling fysiotherapie,
- Het invullen van de enquête zonder het geïnformeerde toestemmingsformulier goed te keuren,
- Het enquêteformulier onvolledig of onjuist invullen,
- Onder de leeftijd van 18 zijn
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
|---|
|
Studenten fysiotherapie
De acceptatie -houding van studenten van fysiotherapie ten opzichte van kunstmatige intelligentie en hun digitale competenties zullen worden uitgevoerd in de vorm van een enquête. De kenmerken van de studiegroep zijn dat ze bestaan uit studenten die studeren in een fysiotherapie en revalidatie -undergraduate -programma in Türkiye, dat ze ermee instemt om de studie te vullen in de studie Voltoont en dat is 18 jaar of ouderen Ze gebruiken actief ten minste één digitaal apparaat (smartphone, computer, tablet, enz.).
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Digitale competenties schaal voor universitaire studenten
Tijdsspanne: 1 week
|
Het is een geldige en betrouwbare schaal die de digitale competenties van universitaire studenten meet, ontwikkeld op basis van het European Digital Competention Framework (DIGCOMP).
De originele versie van de Basic Digital Competentions of University Students 2.0 - Cobadi Scale, ontwikkeld door López -Meneses et al. (2013), heeft 4 factoren en 31 items.
De 4 factoren in de Cobadi -schaal worden bepaald als "competenties met betrekking tot het gebruik van ICT in sociale communicatie en samenwerking", "Competenties met betrekking tot het gebruik van ICT in onderzoek", "Interpersoonlijke competenties in het gebruik van ICT in de universitaire context" en "universitaire virtuele hulpmiddelen en sociale communicatie".
Er zijn 12 items in de eerste factor, 11 items in de tweede factor en 4 items elk in de derde en vierde factoren.
Een 4-punts Likert-type werd gebruikt bij de beoordeling van de schaal.
Binnen de reikwijdte van de ratings geeft 1 het minste competentieniveau aan, terwijl 4 het hoogste niveau van competentie aangeeft.
De 4-punts Likert-type schaal CO
|
1 week
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
De houding van de universitaire studenten in de richting van kunstmatige intelligentie
Tijdsspanne: 1 week
|
De houding van de universitaire studenten in de richting van kunstmatige intelligentie: het is een 5-punts Likert-type schaal die tot doel heeft de gevoelens, gedachten en attitudes van studenten ten opzichte van kunstmatige intelligentie te meten.
De schaal bestaat uit cognitieve, affectieve en gedragsdimensies.
De subdimensies van de schaal zijn; Interesse in kunstmatige intelligentie, zorgen over kunstmatige intelligentie, ethische aspecten en sociale effecten van kunstmatige intelligentie, kansen en bedreigingen met betrekking tot het gebruik van kunstmatige intelligentie in het onderwijs.
De geldigheid en betrouwbaarheid in Turks werden gemaakt door Turgut en Kunuroğlu (2025).
Het is een 5-punts Likert-type schaal (1: zeer mee oneens-5: helemaal mee eens) bestaande uit 26 vragen.
Cronbach Alpha van de schaal: 0,89 (totale schaal), varieert tussen 0,78-0,87 in de subdimensies
|
1 week
|
|
Generatieve kunstmatige intelligentieacceptatieschaal
Tijdsspanne: 1 week
|
Een hulpmiddel om te bepalen in de mate waarin individuen kunstmatige intelligentie -technologieën accepteren en hoe bereid ze zijn om deze technologieën te gebruiken.
Om het niveau te bepalen waarop generatieve kunstmatige intelligentietools (chatgpt, dall e, bard, etc.) worden geaccepteerd door gebruikers en of ze zijn aangenomen of niet.
Het was voorbereid om de attitudes, gebruiksintenties en percepties van individuen op het gebied van onderwijs te meten, met name de kandidaat -kandidaten, studenten en academici, naar generatieve kunstmatige intelligentie.
De schaal is ontwikkeld op basis van Davis's Technology Acceptance Model (TAM).
Volgens dit model is de acceptatie van technologie gerelateerd aan hoe nuttig en gemakkelijk te gebruiken het individu de technologie waarneemt.
Het is een 5-punts Likert-type schaal met 20 vragen.
Het is als volgt: 1: Zeer niet mee eens - 5: Zeer mee eens.
Bevestigende factoranalyse (CFA) werd uitgevoerd voor constructvaliditeit en er werd vastgesteld dat
|
1 week
|
Medewerkers en onderzoekers
Sponsor
Onderzoekers
- Hoofdonderzoeker: Kevser G Gursan, Dr., Uşak University
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
Andere studie-ID-nummers
- 607-607-05
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .