Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Integracja AI w pisaniu akademickim

9 grudnia 2024 zaktualizowane przez: Ahmed Ali Mohammed Torad, Kafrelsheikh University

Integracja AI w pismach akademickich: badanie dotyczące badań jakościowych w edukacji z zakresu fizjoterapii

Celem tego badania jest zbadanie wpływu wykorzystania sztucznej inteligencji na różne aspekty pisania jakościowych prac badawczych przez studentów fizjoterapii. Badając, w jaki sposób narzędzia AI wpływają na różne elementy procesu pisania, takie jak struktura, przejrzystość, prezentacja wiedzy i krytyczne myślenie, badanie to ma na celu zapewnienie wglądu w korzyści i potencjalne wady integracji sztucznej inteligencji w zadaniach akademickich. Uznając znaczenie tych badań, przyczyniamy się do zrozumienia, w jaki sposób można skutecznie wykorzystać sztuczną inteligencję w celu poprawy doświadczenia edukacyjnego i poprawy umiejętności pisania studentów fizjoterapii.

Przegląd badań

Status

Jeszcze nie rekrutacja

Szczegółowy opis

Celem tego badania jest zbadanie wpływu wykorzystania sztucznej inteligencji na różne aspekty pisania jakościowych prac badawczych przez studentów fizjoterapii. Badając, w jaki sposób narzędzia AI wpływają na różne elementy procesu pisania, takie jak struktura, przejrzystość, prezentacja wiedzy i krytyczne myślenie, badanie to ma na celu zapewnienie wglądu w korzyści i potencjalne wady integracji sztucznej inteligencji w zadaniach akademickich. Uznając znaczenie tych badań, przyczyniamy się do zrozumienia, w jaki sposób można skutecznie wykorzystać sztuczną inteligencję w celu poprawy doświadczenia edukacyjnego i poprawy umiejętności pisania studentów fizjoterapii.

W tym badaniu zbadano, w jaki sposób sztuczna inteligencja może usprawnić pisanie i analizy akademickie w edukacji w zakresie fizjoterapii, koncentrując się na tym, w jaki sposób narzędzia sztucznej inteligencji mogą wspierać badaczy w pracy jakościowej.

Projekt ten jest znaczący, ponieważ uwzględnia kilka kluczowych korzyści i wyzwań związanych z integracją sztucznej inteligencji w pismach akademickich na potrzeby badań jakościowych w ramach edukacji z zakresu fizjoterapii:

  1. Poprawa umiejętności pisania i motywacji w nauce: Analiza ilościowa ujawnia znaczną poprawę zarówno umiejętności pisania, jak i motywacji wśród uczniów, którzy otrzymali instrukcje wspomagane sztuczną inteligencją w porównaniu z grupą kontrolną. Grupa eksperymentalna wykazuje zwiększoną biegłość w różnych aspektach pisania, w tym w organizacji, spójności, gramatyce i słownictwie.
  2. Znaczenie przejrzystości: Badanie pozwala zrozumieć obecny krajobraz deklarowania stosowania generatywnych narzędzi AI przez autorów w czasopismach pielęgniarskich. Przyszłe badania mogłyby zbadać wpływ takiego ujawnienia na percepcję czytelnika i ocenę jakości badań. Pomogłoby to rzucić światło na skuteczność ujawniania informacji w zwiększaniu przejrzystości i zaufania do publikacji akademickich. Ponadto opracowanie wytycznych lub najlepszych praktyk w zakresie odpowiedniego deklarowania przez autorów i recenzentów wykorzystania generatywnej sztucznej inteligencji byłoby korzystne dla zapewnienia spójnego i odpowiedzialnego wdrażania technologii sztucznej inteligencji w badaniach naukowych.
  3. Obiecujące perspektywy i uzasadnione obawy: Nieuniknione jest wkrótce dominujące wykorzystanie technologii LLM, w tym powszechne wykorzystanie ChatGPT w edukacji, badaniach i praktyce opieki zdrowotnej. Biorąc pod uwagę uzasadnione obawy dotyczące potencjalnego niewłaściwego wykorzystania, pilnie potrzebne są odpowiednie wytyczne i regulacje przy zaangażowaniu wszystkich zaangażowanych stron, aby zapewnić bezpieczne i odpowiedzialne korzystanie z uprawnień ChatGPT. Proaktywne wykorzystanie technologii LLM przy dokładnym rozważeniu możliwych kwestii etycznych i prawnych może ograniczyć potencjalne przyszłe komplikacje.
  4. względy etyczne: istnieją obawy dotyczące plagiatu i Ghostwriting, niewiarygodności wyników, kwestii praw autorskich, luk edukacyjnych wynikających z postępu technologicznego i zmniejszonej zdolności uczenia się. Nauczyciele są zaniepokojeni poleganiem uczniów na sztucznej inteligencji. Używanie ChatGPT do rozwiązywania zadań związanych z pisaniem lub kodowaniem komputerowym może utrudniać uczniom naukę, a szkoły publiczne w Nowym Jorku zablokowały dostęp do ChatGPT na terenie kampusu.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

100

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Kontakt w sprawie studiów

  • Nazwa: Noran Abdallah Essa, Bachelor student
  • Numer telefonu: +201069700624
  • E-mail: noraneisa36@gmail.com

Kopia zapasowa kontaktu do badania

Lokalizacje studiów

      • Kafr Ash Shaykh, Egipt, 33516
        • Kafrelsheikh University
        • Kontakt:
          • Abdelrazek Youssef Desouky, PhD, prof
          • Numer telefonu: 002- 047-3109590
          • E-mail: president@kfs.edu.eg
        • Kontakt:
          • Ismail Ismail ElSayed, PhD, prof
          • Numer telefonu: +201017524003

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dorosły

Akceptuje zdrowych ochotników

Tak

Metoda próbkowania

Próbka prawdopodobieństwa

Badana populacja

studenci uniwersytetu Kafrelsheikh

Opis

Kryteria włączenia:

  • studenci uczelni w wieku 20-22 lat.

Kryteria wykluczenia:

  • żadnych kryteriów wykluczających

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / Kohorta
studenci uczelni wyższych w wieku od 20 do 22 lat

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
procent treści wygenerowanych przez sztuczną inteligencję w tekście każdego zadania.
Ramy czasowe: Podczas zabiegu
Podczas zabiegu
Częstość występowania struktury i organizacji (SO) według witryny internetowej detektora Sapling AI
Ramy czasowe: Podczas zabiegu
Kryterium to ocenia ogólny układ i logiczny przebieg artykułu badawczego. Obejmuje przejrzystość wstępu, rozwinięcia i zakończenia, a także spójność argumentacji i płynne przejście między sekcjami. Dobrze skonstruowany artykuł powinien mieć wyraźny początek, środek i koniec, a każda część powinna stanowić wkład w ogólną argumentację lub narrację.
Podczas zabiegu
Oceń przejrzystość zapisu (WC) według witryny detektora Sapling AI
Ramy czasowe: Podczas zabiegu
Przejrzystość pisania ocenia łatwość, z jaką czytelnik może zrozumieć tekst. Obejmuje to używanie jasnego i precyzyjnego języka, brak błędów gramatycznych i typograficznych oraz odpowiednią strukturę zdań i dobór słów. Artykuł charakteryzujący się dużą przejrzystością pisma będzie łatwo zrozumiały i wolny od dwuznaczności
Podczas zabiegu
Wskaźnik wiedzy (Know) według witryny internetowej detektora Sapling AI
Ramy czasowe: Podczas zabiegu
Kryterium to mierzy głębokość i szerokość zrozumienia przedmiotu przez ucznia. Obejmuje dokładne przedstawienie kluczowych koncepcji, teorii i wyników badań związanych z danym tematem. Wysoki wynik oznacza, że ​​uczeń wykazał się dogłębną i zróżnicowaną wiedzą na temat przedmiotu.
Podczas zabiegu

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Śledczy

  • Główny śledczy: Ahmed Ali Torad, PhD, lecturer, Faculty of physical therapy kafrelsheikh university
  • Dyrektor Studium: Tamer Mohamed El-Saeed, PhD, associate professor, Cairo University
  • Główny śledczy: Reda Fathi Elbosaty, Bachelor student, Faculty of Physical Therapy, Kafrelsheikh University
  • Główny śledczy: Noran Abdallah Essa, Bachelor student, Faculty of Physical Therapy, Kafrelsheikh University

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Szacowany)

1 grudnia 2024

Zakończenie podstawowe (Szacowany)

1 stycznia 2025

Ukończenie studiów (Szacowany)

1 stycznia 2025

Daty rejestracji na studia

Pierwszy przesłany

29 listopada 2024

Pierwszy przesłany, który spełnia kryteria kontroli jakości

9 grudnia 2024

Pierwszy wysłany (Szacowany)

13 grudnia 2024

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Szacowany)

13 grudnia 2024

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

9 grudnia 2024

Ostatnia weryfikacja

1 grudnia 2024

Więcej informacji

Terminy związane z tym badaniem

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIEZDECYDOWANY

Opis planu IPD

Dane zostaną udostępnione na uzasadnioną prośbę głównego badacza.

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

produkt wyprodukowany i wyeksportowany z USA

Nie

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 .

Subskrybuj