Postawy studentów pielęgniarstwa wobec sztucznej inteligencji i poziomów lęku przed egzaminami
Postawy studentów pielęgniarstwa wobec sztucznej inteligencji i poziomu lęku przed egzaminami po zastosowaniu ChatGPT i Google Bard w edukacji
Celem badania było określenie postaw studentów pielęgniarstwa wobec sztucznej inteligencji oraz zbadanie poziomu lęku po zastosowaniu w edukacji ChatGPT i Google Bard. Badanie zostanie przeprowadzone w charakterze badawczym quasi-eksperymentalnym, pretest-posttest, z udziałem studentów III i IV roku pielęgniarstwa studiujących na Wydziale Nauk o Zdrowiu Uniwersytetu Sinop w jesiennym roku akademickim 2023-2024. Grupy badawcze noszą następujące nazwy; Grupa Eksperymentalna: Grupa, która przejdzie szkolenie ChatGPT i Google Bard, Grupa Kontrolna: Grupa, która nie przejdzie szkolenia ChatGPT i Google Bard, czyli inaczej studenci III roku kierunku pielęgniarstwo, będą nazywani grupą kontrolną, natomiast grupą eksperymentalną będą studenci IV roku. Treści edukacyjne; Szkolenie ChatGPT i Google Bard dla starszych studentów Wydziału Nauk o Zdrowiu, którzy zgłosili się na ochotnika do udziału w badaniu, przeprowadził dr wykładowca. Poprowadzi je członek Yasemin Özyer Güvener. Po zakończeniu szkolenia studenci zostaną poproszeni o wykorzystanie generatywnej sztucznej inteligencji do celów edukacyjnych. Podczas realizacji badania po zakończeniu badania (tydzień przed egzaminami końcowymi) narzędzia do gromadzenia danych zostaną ponownie zastosowane w przypadku studentów, którzy nadal zgłaszają się na ochotnika do udziału w badaniu.
Słowa kluczowe: studenci pielęgniarstwa, lęk testowy, sztuczna inteligencja generatywna, ChatGPT, Google Bard
Przegląd badań
Status
Warunki
Interwencja / Leczenie
Szczegółowy opis
W edukacji w zakresie nauk o zdrowiu programy generatywnej sztucznej inteligencji, a mianowicie ChatGPT i Google Bard, można wykorzystać na przykład do tworzenia różnych i realistycznych historii klinicznych, aby zapewnić studentom nauk o zdrowiu natychmiastową pomoc w wyjątkowych przypadkach klinicznych oraz do poprawy umiejętności uczniów umiejętności komunikacyjne (Sallam, 2023). Ponadto generatywna sztuczna inteligencja może pomóc studentom nauk o zdrowiu w samodzielnej nauce i pracy grupowej. Przydatność produktywnej sztucznej inteligencji i zindywidualizowanej interakcji, jaką zapewnia, sprawiły, że została ona zaakceptowana jako źródło motywacji dla uczniów (Connor 2023; Kosak i in., 2023; Gilson i in., 2023; Khan i in., 2023).
Ponadto nauczyciele mogą promować głębokie uczenie się, ucząc uczniów krytycznej oceny informacji generatywnych przez generatywną sztuczną inteligencję, podejmowania świadomych decyzji dotyczących dokładności informacji i myślenia o swoich obowiązkach związanych z korzystaniem z generatywnej sztucznej inteligencji (Sun i in., 2023). Na przykład w ramach pracy domowej studenci nauk o zdrowiu mogą zostać poproszeni o stworzenie opartego na dowodach protokołu radzenia sobie ze stresem. Do przygotowania protokołu uczniowie mogą wykorzystać generatywną sztuczną inteligencję. W ten sposób uczniowie mogą spędzić czas na uczeniu się pojęć przedmiotowych lub zdobywaniu wiedzy na różne tematy.
W ostatnich latach szybki rozwój technologii sztucznej inteligencji wpłynął na wszystkie systemy społeczne, w tym gospodarkę, politykę, naukę i edukację (Luan i in., 2020, Stephanidis i in., 2019). Jednak ludzie często nie są świadomi istnienia aplikacji sztucznej inteligencji (Tai, 2020). Gansser i Reich (2021) definiują sztuczną inteligencję jako technologię opracowaną po prostu w celu ułatwienia ludzkiego życia i pomagania ludziom w określonych scenariuszach. Tak naprawdę sztuczną inteligencję wykorzystuje się w wielu przydatnych kontekstach, takich jak diagnozowanie chorób, ochrona zasobów środowiska, przewidywanie klęsk żywiołowych, poprawa edukacji, zapobieganie aktom przemocy i ograniczanie ryzyka w miejscu pracy (Brooks, 2019). Lęk testowy definiuje się jako nieprzyjemne uczucia i stany emocjonalne, jakich doświadcza student podczas egzaminu lub jakiejkolwiek oceny. Stwierdza się, że lęk przed testami negatywnie wpływa na sukcesy akademickie ucznia.
Typ studiów
Zapisy (Rzeczywisty)
Faza
- Nie dotyczy
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Sinop, Indyk, 57000
- Yasemin Özyer Güvener
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
Akceptuje zdrowych ochotników
Opis
Kryteria przyjęcia:
- Bycie studentem III i IV roku Wydziału Nauk o Zdrowiu Uniwersytetu Sinop w jesiennym roku akademickim 2023-2024
- Zgłoszenie się na ochotnika do udziału w badaniach i
- Podpisanie formularza świadomej zgody
Kryteria wyłączenia:
- Nie być studentem III lub IV roku Wydziału Nauk o Zdrowiu Uniwersytetu Sinop w jesiennym roku akademickim 2023-2024
- Nie wyraża zgody na udział w badaniach
- Niepodpisanie formularza świadomej zgody
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Główny cel: Leczenie podtrzymujące
- Przydział: Nielosowe
- Model interwencyjny: Przydział równoległy
- Maskowanie: Podwójnie
Broń i interwencje
Grupa uczestników / Arm |
Interwencja / Leczenie |
|---|---|
|
Brak interwencji: Grupa kontrolna
W pierwszej kolejności studenci III roku Wydziału Nauk o Zdrowiu zostaną poinformowani o celu studiów, że ich udział w badaniu opiera się na zasadzie dobrowolności, że mogą opuścić studia o godz. w dowolnym momencie, a wyniki badań zostaną wykorzystane wyłącznie do celów naukowych. Następnie wobec studentów, którzy zgłoszą się na ochotnika do udziału w badaniu, zostaną zastosowane narzędzia gromadzenia danych. W okresie posttestowym realizacji badania (tydzień przed egzaminami końcowymi) studentom III i IV roku Wydziału zostaną ponownie udostępnione Formularze Danych Osobowych, „Skala Postaw wobec Sztucznej Inteligencji” i „Skala Lęku Egzaminacyjnego Westside”. Nauk o Zdrowiu. |
|
|
Eksperymentalny: Grupa eksperymentalna
W fazie wstępnej badania w pierwszej kolejności studenci IV roku Wydziału Zdrowia zostaną zastosowane narzędzia gromadzenia danych w stosunku do studentów, którzy dobrowolnie zgłoszą się do udziału w badaniu. Treści edukacyjne; Szkolenie ChatGPT i Google Bard dla starszych studentów Wydziału Nauk o Zdrowiu, którzy zgłosili się na ochotnika do udziału w badaniu, przeprowadził dr wykładowca. Poprowadzi je członek Yasemin Özyer Güvener. Po zakończeniu szkolenia studenci zostaną poproszeni o wykorzystanie generatywnej sztucznej inteligencji do celów edukacyjnych. W okresie posttestowym realizacji badania (tydzień przed egzaminami końcowymi) studentom III i IV roku Wydziału zostaną ponownie udostępnione Formularze Danych Osobowych, „Skala Postaw wobec Sztucznej Inteligencji” i „Skala Lęku Egzaminacyjnego Westside”. Nauk o Zdrowiu. |
Treści edukacyjne; Szkolenie ChatGPT i Google Bard dla starszych studentów Wydziału Nauk o Zdrowiu, którzy zgłosili się na ochotnika do udziału w badaniu, przeprowadził dr wykładowca. Poprowadzi je członek Yasemin Özyer Güvener. Po zakończeniu szkolenia studenci zostaną poproszeni o wykorzystanie generatywnej sztucznej inteligencji do celów edukacyjnych. W okresie posttestowym realizacji badania (tydzień przed egzaminami końcowymi) studentom III i IV roku Wydziału zostaną ponownie udostępnione Formularze Danych Osobowych, „Skala Postaw wobec Sztucznej Inteligencji” i „Skala Lęku Egzaminacyjnego Westside”. Nauk o Zdrowiu. |
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Skala Postaw wobec Sztucznej Inteligencji
Ramy czasowe: Pewnego dnia
|
Skalę tę opracowali Schepman i Rodway (2020) w celu pomiaru ogólnego podejścia jednostek do sztucznej inteligencji.
Skala zawiera 20 pozycji, 12 pozytywnych i 8 negatywnych.
Pozycje oceniane są w pięciopunktowej skali ocen typu Likerta (od 1 = zdecydowanie się nie zgadzam do 5 = zdecydowanie się zgadzam).
Badanie trafności i rzetelności skali postaw wobec sztucznej inteligencji w języku tureckim przeprowadzili Feridun i in. (2022).
|
Pewnego dnia
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Skala Lęku Testowa Westside (WSKS)
Ramy czasowe: Pewnego dnia
|
Skala została opracowana przez Driscoll (2007) i zaadaptowana do języka tureckiego dla studentów przez Totana i Yavuza (2009).
Skala w pierwotnej formie została opracowana z myślą o badaniu efektu programu mającego na celu zmniejszenie lęku testowego.
Podczas gdy Driscoll (2007) ukształtował skalę jako dziesięć pozycji w jednym wymiarze, Totan i Yavuz (2009) przetłumaczyli tę skalę na język turecki jako jedenaście pozycji, uważając, że zdefiniowanie jednego elementu jako dwóch różnych zmiennych znakowych byłoby bardziej odpowiednie dla gramatyki tureckiej.
|
Pewnego dnia
|
Współpracownicy i badacze
Sponsor
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Rzeczywisty)
Ukończenie studiów (Rzeczywisty)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- sinopUyasemin-2
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .