EVALUERING AV EFFEKTIVITETEN AV ET SKULDERDYSTOSI-TRENINGSPROGRAM DESIGNET MED INVERTERT LÆRING STØTTET AV GENERATIV KUNSTIG INTELLIGENS

Med den pågående digitale transformasjonen i helseutdanning har betydningen av læringsorienterte og teknologiintegrerte tilnærminger økt. Spesielt i undervisningen av komplekse og uforutsigbare kliniske situasjoner i helsevesenet har den begrensede effektiviteten til tradisjonelle metoder ført til et økende behov for innovative tilnærminger som flipped learning og selvstyrt læring. Generativ kunstig intelligens (GAI)-støttede pedagogiske applikasjoner har potensial til å forbedre akademiske prestasjoner ved å gjøre læringsprosessen mer interaktiv. Imidlertid er forskning som evaluerer effektiviteten av disse teknologiene i utdanning fortsatt begrenset. I denne sammenhengen muliggjør GAI-støttet flipped learning at studenter får individualiserte læringsopplevelser gjennom simulerte klasseroms- eller kliniske miljøer og blir bedre forberedt på kliniske møter og spesifikk klinisk ferdighetstrening. Et av de kritiske kliniske temaene som bør adresseres innenfor dette rammeverket er skulderdystoki. Skulderdystoki er en obstetrisk nødsituasjon, hvor de fleste tilfeller er uforutsigbare og uunngåelige. Følgelig har denne studien som mål å evaluere effektene av en GAI-støttet flipped learning-tilnærming brukt på skulderdystokitrening på jordmorstudenters kunnskapsnivå og selvstyrte læringsferdigheter gjennom effektiv bruk av teknologi.