HOLDNINGER, OPPFATNINGER OG KOMPETANSE FOR KUNSTIG INTELLIGENS I ORTOTIKK OG PROTETIKK
EVALUERING AV HOLDNINGER, OPPFATTNINGER OG KOMPETANSER OVERFOR KUNSTIG INTELLIGENS TEKNOLOGIER BLANT HELSEPERSONELL SOM ARBEIDER INNEN ORTOPRETIKK OG PROTETIKK: EN METODEBLENDING STUDIE
Målet med denne studien er å analysere, ved hjelp av en metodetriangulering, holdninger, oppfatninger, graden av teknologiaksept og kompetanse i bruken av generativ kunstig intelligens blant helsepersonell som arbeider innen ortopedi og proteseteknikk.
Studien vil avdekke hvordan helsepersonell oppfatter den teknologiske transformasjonen innen ortopedi og proteseteknikk, og vil også identifisere de profesjonelle kravene, barrierene og mulighetene for å integrere kunstig intelligens-teknologier i praksis.
På denne måten har den som mål å gi et vitenskapelig grunnlag for beslutningstakere for å støtte oppdateringen av profesjonelle utdanningsprogram innen ortopedi og proteseteknikk, utviklingen av institusjonelle retningslinjer og en bredere bruk av KI-støttede kliniske applikasjoner.
Studieoversikt
Status
Detaljert beskrivelse
Helsepersonell som jobber innen ortopedi og proteser, og som frivillig sier seg villig til å delta, vil bli inkludert i studien. Basert på G*Power-analyse er det nødvendig med minst 159 deltakere for å oppnå 95 % statistisk styrke ved et signifikansnivå på 5 % (|ρ| = 0,277). Med tanke på et mulig tap på 10 % ble det bestemt at studien bør gjennomføres med minst 175 helsepersonell.
For den kvantitative delen av studien vil skalaen for teknologiakseptmodell bli brukt for å bestemme teknologiakseptnivåer; skalaen for generell holdning til kunstig intelligens vil bli brukt for å måle generelle holdninger til KI; skalaen for bruk og kompetanse innen generativ kunstig intelligens vil bli brukt for å vurdere KI-bruksferdigheter og KI-støttet læringsmotivasjon; og skalaen for oppfatning og holdning til kunstig intelligens vil bli brukt for å undersøke KI-oppfatninger og brukstendenser.
For den kvalitative delen av studien vil det bli gjennomført ansikt-til-ansikt-intervjuer med deltakere som aktivt bruker kunstig intelligens i sitt felt, ved hjelp av 8 semistrukturerte spørsmål utformet for å evaluere KI-bevissthet, dens påvirkning på klinisk arbeidsflyt, økonomisk gjennomførbarhet samt etiske og sikkerhetsmessige bekymringer. Etter de individuelle intervjuene vil et online fokusgruppeintervju bli gjennomført med 5 deltakere som bruker KI mest intensivt. Fokusgruppen vil bestå av 7 spørsmål utarbeidet for å utforske helsepersonells felles oppfatninger, brukserfaringer, faglige bekymringer og fremtidige forslag angående kunstig intelligens gjennom gruppeinteraksjon.
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Gizem Boztaş ELVERİŞLİ, Assistant Professor
- Telefonnummer: +905439076494
- E-post: gboztas@medipol.edu.tr
Studiesteder
-
-
Kavacık
-
Istanbul, Kavacık, Tyrkia (Türkiye), 34040
- Rekruttering
- İstanbul Medipol Üniversitesi
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:<\/p>
- Være 18 år eller eldre,<\/li>
- Være aktivt ansatt i fagfeltet ortopediteknikk (f.eks. helseinstitusjoner, private ortopediske sentre, universiteter, forskningslaboratorier, rehabiliteringssentre, etc.),<\/li>
- Ha minst 1 års yrkeserfaring innen ortopediteknikk.<\/li><\/ul>
Eksklusjonskriterier:<\/p>
-<\/p>
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
<Demografisk informasjonsskjema>
Tidsramme: 5 minutter
|
Deltakernes fornavn, etternavn, kjønn, alder, avdeling for siste fullførte utdanning, høyeste utdanningsnivå, total yrkeserfaring innen ortos og protesefeltet, institusjonen de jobber ved, og deres stilling ved institusjonen, vil bli registrert.
|
5 minutter
|
|
Teknologiakseptansemodellskala
Tidsramme: 5 minutter
|
Skalaen ble utviklet av Tubaishat for å bestemme nivået av teknologiaksept.
Den består av 28 elementer og to underdimensjoner: "Opplevd nyttighet" og "Opplevd brukervennlighet."
Den skåres ved hjelp av en fempunkts Likert-skala.
En høy skår indikerer et høyt nivå av teknologiaksept, mens en lav skår indikerer et lavt nivå av teknologiaksept.
|
5 minutter
|
|
Generell holdning til kunstig intelligens skala
Tidsramme: 5 minutter
|
Denne skalaen ble utviklet av Schepman og Rodway i 2020 for å måle individers generelle holdninger til kunstig intelligens.
Den består av 20 elementer, inkludert 12 elementer som måler positive holdninger til AI og 8 elementer som måler negative holdninger til AI.
Den skåres ved hjelp av en fempunkts Likert-skala.
En høy skåre på delskalaen for positive holdninger indikerer sterke positive holdninger til AI, mens en høy skåre på delskalaen for negative holdninger indikerer sterke negative holdninger til AI.
|
5 minutter
|
|
Skala for bruk og kompetanse innen generativ kunstig intelligens
Tidsramme: 5 minutter
|
Denne skalaen ble utviklet av Arslankara et al. i 2024 for å måle individers evne til å bruke generative verktøy for kunstig intelligens og deres kompetanse i å bruke disse verktøyene effektivt.
Den består av to deler: "AI-brukskompetanse" og "AI-støttet læringsmotivasjon."
Den første delen inkluderer 10 elementer, og den andre delen inkluderer 9 elementer.
Den skåres ved hjelp av en fempunkts Likert-skala.
En høy poengsum på denne skalaen indikerer et høyt nivå av kompetanse i å effektivt bruke generative AI-verktøy og sterk motivasjon for AI-støttet læring, mens en lav poengsum indikerer lav kompetanse og motivasjon.
|
5 minutter
|
|
skala for oppfatning av og holdning til kunstig intelligens
Tidsramme: 5 minutter
|
Denne skalaen ble utviklet av Dinler i 2025 for å gi en omfattende evaluering av enkeltpersoners oppfatninger og holdninger til kunstig intelligens-teknologier. Den inkluderer fire underdimensjoner: positiv oppfatning, negativ oppfatning, generativ mediebruk og chatbot-interaksjon. Skalaen består av 24 elementer og vurderes på en syvpunkters Likert-skala. En høy poengsum på denne skalaen indikerer høye nivåer av positiv oppfatning, bruk og interaksjon med AI-teknologier, mens en lav poengsum indikerer svake oppfatninger og holdninger til AI.
|
5 minutter
|
|
Semistrukturert intervjuskjema
Tidsramme: 40-60 minutter
|
Intervjuskjemaet inneholder 8 spørsmål kategorisert under følgende temaer: AI-bevissthet og profesjonell oppfatning, innvirkning på klinisk arbeidsflyt og ytelse, etiske problemstillinger, sikkerhet og risiko for feil, økonomisk og institusjonell gjennomførbarhet, samt fremtidige forventninger og endringer i profesjonelle roller.
|
40-60 minutter
|
|
Focus Group Intervju-skjema
Tidsramme: 60 - 90 minutter
|
Skjemaet inneholder 7 spørsmål kategorisert under følgende temaer: bevissthet og oppfatning av AI, påvirkning på klinisk arbeidsflyt og ytelse, økonomisk gjennomførbarhet, etikk, sikkerhet og profesjonelt ansvar, utdanning, brukervennlighet og fremtidige forventninger.
|
60 - 90 minutter
|
Samarbeidspartnere og etterforskere
Sponsor
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- E-10840098-202.3.02-78
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
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. .
Kliniske studier på Kunstig intelligens
-
University of Castilla-La ManchaHar ikke rekruttert ennåSunn | Fysisk form | Mikroplast | Atletisk ytelse og skaderisiko | Artificial Turf | Sportsutstyr
-
Cairo UniversityRekrutteringKneartrose | Chitosan Nanopartikler Gel | Artificial Intelligence Texture Analysis Bases Algoritme | Subkondrale beinforandringer (anatomiske endringer) | Ekstrakorporal sjokkbølgeEgypt