Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Fysioterapeuter og kunstig intelligens

3. juni 2025 oppdatert av: Kevser Gürsan, Uşak University

Tilpasning av fremtidige fysioterapeuter til kunstig intelligenstid: kunstig intelligens holdning, aksept og digital kompetanse

Denne studien er en tverrsnittsstudie designet innenfor rammen av den beskrivende og relasjonelle screeningmodellen for kvantitative forskningsmetoder. Forskningen tar sikte på å evaluere de digitale kompetansenivåene, holdninger til kunstig intelligens og kunstig intelligens akseptnivå for studenter ved fysioterapiavdelingen og å avsløre forholdet mellom disse variablene.

Forskningsspørsmål

  1. Hva er de digitale kompetansenivåene til fysioterapi -studenter?
  2. Hva er holdningsnivåene til fysioterapi -studentene til kunstig intelligens?
  3. Hva er akseptnivåene til fysioterapi studenter overfor kunstig intelligensteknologi?
  4. Er det en betydelig sammenheng mellom nivået av digital kompetanse og holdningen til kunstig intelligens?
  5. Er det en betydelig sammenheng mellom nivået av digital kompetanse og aksept av kunstig intelligensteknologi?
  6. Er det en betydelig sammenheng mellom holdningen til kunstig intelligens og akseptnivået for kunstig intelligensteknologi?
  7. Er det en betydelig forskjell mellom deltakernes digitale kompetanse, holdninger til kunstig intelligens og akseptnivå i henhold til variabler som kjønn, klassetrinn og varighet av digitalt verktøybruk? Forskningens univers vil bestå av studenter som studerer ved Institutt for fysioterapi og rehabilitering ved Fakultet for helsevitenskap i Alanya, Inönü, Pamukkale, Okan University. Utvalget av forskningen er planlagt å være omtrent 600 studenter som er tilfeldig valgt fra fire forskjellige universiteter for å representere forskjellige geografiske regioner og er bestemt på frivillig basis.

Forskningen er planlagt å bestå av studenter som studerer i studiet for fysioterapi og rehabilitering i Türkiye. Mens du samler inn dataene, vil den innledende informasjonsskjemaet, digital kompetanse skala for universitetsstudenter, omfang av holdning fra universitetsstudenter til kunstig intelligens og produktiv kunstig intelligens akseptskala.

De innsamlede dataene vil bli analysert ved bruk av SPSS (Statistical Package for Social Sciences) -programmet. Kolmogorov-Smirnov og Shapiro-Wilk-testene vil bli brukt til å evaluere om dataene normalt er distribuert. I variabler som normalt distribueres: gjennomsnittlig standardavvik, uavhengig prøve t-test, ANOVA og Pearson korrelasjonstest vil bli brukt. Ved ikke-normal distribusjon: median, minimumsmaksimum, Mann-Whitney U-test, Kruskal Wallis Test, vil Spearman korrelasjonstester bli brukt. I tillegg vil regresjonsanalyse bli utført for å evaluere forholdet mellom studentenes sosiodemografiske informasjon, digital kompetanse, kunstig intelligens holdning og aksept for kunstig intelligens. P <0,05 vil bli akseptert som signifikansnivå.

Studieoversikt

Detaljert beskrivelse

Rask utvikling innen digitalisering og kunstig intelligensteknologi har forårsaket betydelige endringer i måten helsetjenester tilbys. I dag brukes kunstig intelligensstøttede applikasjoner aktivt på mange områder innen helsevesenet, fra tidlig diagnose av sykdommer til behandling, fra pasientoppfølging til personlig pleieplanlegging. I fagområder der kliniske beslutningsprosesser er viktige, for eksempel fysioterapi og rehabilitering, er digitale verktøy og kunstige intelligenssystemer integrert i feltet med bevegelsesanalyse, treningssporing, rehabiliteringsroboter, virtual reality-baserte behandlinger og kunstig intelligensstøttede mobile applikasjoner. Denne teknologiske transformasjonen påvirker ikke bare profesjonell praksis, men også yrkesfaglig utdanning. De digitale kompetansenivåene til universitetsstudenter som mottar helseopplæring, deres kapasitet til å ta i bruk teknologi og deres holdninger til kunstig intelligens er av kritisk betydning når det gjelder både deres individuelle faglige utvikling og servicekvalitet etter utdanning. Å forstå hvor klare fysioterapi -studenter spesielt er for den digitale transformasjonsprosessen, vil lede både omstilling av utdanningsprogrammer og harmonisering av yrket med teknologisk utvikling. Studier har vist at studenter i helsevitenskap generelt har tilgang til digitale verktøy, men de opplever forskjellige mangler ved å bruke disse verktøyene effektivt og bevisst. I tillegg rapporteres det at individer som utvikler en positiv holdning til kunstig intelligens tilpasser seg disse teknologiene raskere og oppnår mer effektive resultater i utdanning og klinisk praksis. Imidlertid er antallet helhetlige studier i litteraturen, spesielt de som er spesifikke for fysioterapi -studenter, der holdninger om kunstig intelligens, teknologiaksept og digitale kompetansenivåer evaluert sammen, ganske begrenset.

Derfor er begrunnelsen for denne forskningen å evaluere de digitale kompetansenivåene til fysioterapi -studenter, deres holdninger til kunstig intelligens og deres tendens til å akseptere kunstig intelligensteknologi, til å evaluere deres tilpasningsprosesser til digitalisering innen helsefeltet og å produsere vitenskapelige data som vil bidra til utdanningspolitikk, kursinnhold og klinisk praksisstrategier i denne konteksten.

Hovedformålet med denne forskningen er å evaluere de digitale kompetansenivåene av fysioterapi studenter, deres holdninger til kunstig intelligens og deres tendens til å akseptere kunstig intelligensteknologi. I tillegg, ved å undersøke de mulige sammenhengene mellom disse tre variablene, er det rettet mot å avsløre i hvilken grad studentene har utviklet sine profesjonelle kompetanser i en alder av digital transformasjon og kunstig intelligens. I denne sammenhengen vil dataene som skal oppnås bidra til bestemmelse av utdanningsbehov for digital literacy og kunstig intelligensbaserte applikasjoner innen helse; og vil bane vei for å forstå tilpasningsnivået til fremtidige fysioterapeuter til teknologisk utvikling.

Studietype

Observasjonsmessig

Registrering (Faktiske)

552

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

      • Antalya, Tyrkia
        • Alanya Alaaddin Keykubat University
      • Denizli, Tyrkia
        • Pamukkale University
      • Malatya, Tyrkia
        • Inonu University
      • İstanbul, Tyrkia
        • Okan university

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

  • Voksen

Tar imot friske frivillige

Ja

Prøvetakingsmetode

Sannsynlighetsprøve

Studiepopulasjon

Studiens univers er studenter som studerer ved Institutt for fysioterapi og rehabilitering ved Okan University, Fakultet for helsevitenskap, Alanya, Inönü, Pamukkale.

Beskrivelse

Inkluderingskriterier:

  • Bestående av studenter som studerer i et fysioterapi og rehabiliteringsundergradsstudium i Türkiye,
  • Enige om å delta i forskningen frivillig og godkjenne skjemaet for informert samtykke,
  • Å være 18 år eller eldre,
  • Fyll ut undersøkelsesskjemaet helt,
  • Bruker aktivt minst en digital enhet (smarttelefon, datamaskin, nettbrett osv.)

Eksklusjonskriterier:

  • Studerer i en annen avdeling enn fysioterapiavdelingen,
  • Fylle ut undersøkelsen uten å godkjenne det informerte samtykkeskjemaet,
  • Fyll ut undersøkelsesskjemaet ufullstendig eller feil,
  • Å være under 18 år

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Fysioterapi -studenter
Akseptholdningen til fysioterapi -studenter til kunstig intelligens og deres digitale kompetanse vil bli gjennomført i form av en undersøkelse. Karakteristikkene til studiegruppen er at de består av studenter som studerer i en fysioterapi og rehabilitering undergraduate programmet som de er fullt ut, at de er fullt ut at de fyller ut at de er fullt ut som de er fullt ut som de er fullt ut som de er fullt ut, og godkjenner det. Bruk aktivt minst en digital enhet (smarttelefon, datamaskin, nettbrett osv.).

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Digital kompetanse skala for universitetsstudenter
Tidsramme: 1 uke
Det er en gyldig og pålitelig skala som måler de digitale kompetansene til universitetsstudenter, utviklet basert på European Digital Competence Framework (DIGCOMP). Den opprinnelige versjonen av de grunnleggende digitale kompetansene til universitetsstudenter 2.0 - Cobadi Scale, utviklet av López -Meneses et al. (2013), har 4 faktorer og 31 varer. De 4 faktorene i Cobadi -skalaen bestemmes som "kompetanse relatert til bruk av IKT i sosial kommunikasjon og samarbeidende læring", "kompetanse relatert til bruken av IKT i forskning", "mellommenneskelige kompetanser i bruken av IKT i universitetssammenheng" og "universitetets virtuelle verktøy og sosial kommunikasjon". Det er 12 elementer i den første faktoren, 11 elementer i den andre faktoren, og 4 elementer hver i tredje og fjerde faktor. En 4-punkts Likert-type ble brukt i skalaen. Innenfor rangeringens omfang indikerer 1 det minste kompetansenivået, mens 4 indikerer det høyeste nivået av kompetanse. 4-punkts Likert-type skala CO
1 uke

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Universitetsstudenters holdningsskala mot kunstig intelligens
Tidsramme: 1 uke
Universitetsstudenters holdningsskala mot kunstig intelligens: Det er en 5-punkts skala av Likert-typen som tar sikte på å måle studentenes følelser, tanker og holdninger til kunstig intelligens. Skalaen består av kognitive, affektive og atferdsmessige dimensjoner. Underdimensjonene til skalaen er; Interesse for kunstig intelligens, bekymring for kunstig intelligens, etiske aspekter og sosiale effekter av kunstig intelligens, muligheter og trusler relatert til bruk av kunstig intelligens i utdanning. Gyldigheten og påliteligheten på tyrkisk ble laget av Turgut og Kunuroğlu (2025). Det er en 5-punkts skala av Likert-typen (1: sterkt uenig-5: sterkt enig) bestående av 26 spørsmål. Cronbach Alpha of the Scale: 0,89 (total skala), varierer mellom 0,78-0,87 i underdimensjonene
1 uke
Generativ kunstig intelligens akseptskala
Tidsramme: 1 uke
Et verktøy for å bestemme i hvilken grad enkeltpersoner aksepterer kunstig intelligensteknologier og hvor villige de er til å bruke disse teknologiene. For å bestemme nivået som generative kunstige intelligensverktøy (ChatGPT, Dall E, Bard, etc.) aksepteres av brukere og om de er adoptert eller ikke. Det var forberedt på å måle holdningene, bruksintensjoner og oppfatninger av enkeltpersoner innen utdanning, spesielt lærerkandidater, studenter og akademikere, mot generativ kunstig intelligens. Skalaen ble utviklet basert på Davis's Technology Acceptance Model (TAM). I følge denne modellen er aksept av teknologi relatert til hvor nyttig og enkel å bruke den enkelte oppfatter teknologien. Det er en 5-punkts skala av Likert-typen med 20 spørsmål. Det er som følger: 1: Helt uenig - 5: Sterkt enig. Bekreftende faktoranalyse (CFA) ble utført for konstruksjonsgyldighet, og det ble bestemt at
1 uke

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Etterforskere

  • Hovedetterforsker: Kevser G Gursan, Dr., Uşak University

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

11. april 2025

Primær fullføring (Faktiske)

1. juni 2025

Studiet fullført (Faktiske)

1. juni 2025

Datoer for studieregistrering

Først innsendt

15. april 2025

Først innsendt som oppfylte QC-kriteriene

15. april 2025

Først lagt ut (Faktiske)

23. april 2025

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

6. juni 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

3. juni 2025

Sist bekreftet

1. juni 2025

Mer informasjon

Begreper knyttet til denne studien

Andre studie-ID-numre

  • 607-607-05

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

IPD-planbeskrivelse

For å beskytte deltakerens konfidensialitet og overholde konfidensialitetsforpliktelsen som er godkjent av etikkomiteen, planlegges ingen deling av data på individnivå. I tillegg dekker etikkomiteens beslutning som godkjente studien bare med begrenset tilgang. Derfor kan det ikke være mulig å dele IPD -data offentlig.

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere