Обучение механизму рождения с помощью виртуальной реальности

В последние годы многие исследования показали, что обучение с помощью технологий — это новый подход к обучению (1); В частности, учебная среда с использованием методов виртуальной реальности (VR) стала мощным инструментом для преподавателей и учащихся (3, 4). Значительный прогресс был достигнут в различных областях, что позволяет учащимся взаимодействовать с виртуальным миром. Эти технологии поддерживают многие образовательные мероприятия, первоначально предлагаемые в сетевых учебных средах. В акушерском образовании использование моделирования стало важным методом обучения в последнее десятилетие (2). Моделирование — это метод, максимально приближенный к реальности и отражающий клиническую ситуацию, облегчающий понимание и управление, когда эта ситуация действительно встречается в клинической практике. Обеспечение безопасности пациентов, усилия по повышению компетентности студентов позволили более широко использовать симуляции в обучении медицинских работников (5). Использование виртуальной реальности в обучении акушерству позволит учащимся эффективно использовать акушерские практики перед тем, как перейти к клинической практике. Обучение родовспоможению, которое является одним из краеугольных камней акушерского образования и где студенты находят возможность клинической практики с применением виртуальной реальности, сведет к минимуму ошибки клинического применения и обеспечит раннюю диагностику неблагоприятных состояний, таких как предлежание плода и плацентарные аномалии, которые может возникнуть при рождении.

Тип исследования: Исследование представляет собой экспериментальное исследование, запланированное как экспериментальная и контрольная группа.

Исследование состоит из 2 частей. В части I будет разработано приложение виртуальной реальности. Программное обеспечение для виртуальных родов будет подготовлено посредством закупки услуг. Для этого исследователи будут создавать алгоритмы, подробно описывая физиологию, стадии, механизм и анатомию женщины.

II. Применение исследования будет сделано в отделе.

РАЗДЕЛ I: Разработка приложения виртуальной реальности

В первой части исследования программное обеспечение для виртуальных родов будет подготовлено посредством закупки услуг. Для этого исследователи будут создавать алгоритмы, подробно описывая физиологию, стадии, механизм и анатомию женщины. Этот алгоритм будет перенесен на очки на основе изображений и рисунков анатомии женщины из атласов рождения и реальных изображений, опубликованных в Интернете в момент родов. Как указано в бюджетной форме, будут закуплены услуги по разработке программного обеспечения для виртуальных родов.

С приложением виртуального рождения,

• Чтобы узнать физиологию и механизм родов,
• Чтобы следить за ходом родов и понимать отклонения от нормы,
• Обучение нормальному рождению,
• Это даст возможность увидеть все нештатные ситуации, с которыми можно столкнуться при рождении, а кроме того, информация запомнится надолго. Таким образом будет оцениваться эффективность виртуальных родов в акушерском образовании.

II. Департамент: Применение исследований

В этой последней части исследования была начата прикладная часть исследования. Исследование будет состоять из 3 групп, 2 экспериментальных групп и контрольной группы. В каждую группу будет принято по 35 студентов в результате анализа G-мощности, рассчитанной с коэффициентом 0,95.

Вселенная исследования будет состоять из 464 студентов акушерства, обучающихся в Университете Карабюк.

Выборка будет состоять из 105 студентов акушерок, 35 контрольных, 35 экспериментальных I и 35 экспериментальных II, в результате анализа G-мощности, рассчитанной по мощности 0,95, среди студентов акушерок, которые теоретически заняли механизм родов 4 часа в своей учебной программе в рамках объем обычного урока рождения.

На первом этапе: после 4 часов теоретического обучения для всех трех групп в качестве первого теста будет применяться информационная форма (DEDBF), которую должны подготовить исследователи для использования в этом исследовании.

На втором этапе: к контрольной группе не будет подаваться никаких приложений, к экспериментальной группе будет применяться компьютерное и управляемое приложение виртуальной реальности, а к экспериментальной группе II будет контролироваться компьютерное и неуправляемое виртуальное приложение.

На третьем этапе: будут заменены вопросы DEDBF и применены посттесты. После 4-часового теоретического обучения для контрольной группы будет проведен пост-тест после просмотра приложения для виртуальных родов в экспериментальных группах. Также на этом этапе к экспериментальным группам после применения будут применяться «Шкала когнитивной нагрузки» и «Ощущение инвентаря».

На четвертом этапе: через три недели DEDBF будет снова применен к трем группам, и будет проверена эффективность применения виртуального рождения при воспроизведении и воспроизведении информации.

Во время подачи заявок экспериментальная и контрольная группы будут снимать видео и изображения и опубликовывать их в диссертации.

Студенты, которые не смогли принять участие в исследовании и были выбраны в качестве контрольной группы при рандомизации, также будут обеспечены очками виртуальной реальности после исследования, чтобы все студенты увидели приложение для виртуальных родов и было достигнуто равенство.

Инструменты сбора данных:

Форма сбора данных: Планируется применить форму, состоящую из 15 вопросов, которая включает такие характеристики участников, как возраст, семейное положение, уровень образования и тип семьи.

Информационная шкала оценки действий при родах (DEDBF): Шкала будет подготовлена ​​самими исследователями для использования в данной диссертации. Для подготовки формы исследователи рассмотрели последнюю литературную информацию, базовую учебную программу по акушерству (EUÇEP), созданную YÖK, и подготовили информационную форму из 42 вопросов, содержащую элементы по физиологии, стадиям и механизму родоразрешения. Элементы в информационной форме будут представлены учащимся в виде полного предложения, которое может быть истинным или ложным, и учащимся будет предложено ответить на эти утверждения как «Верно» или «Неверно». Общее время ответа 30 минут. Правильные ответы оцениваются в 1 балл, неправильные ответы оцениваются в 0 баллов. В информационной форме также использовались неправильные выражения, и эти элементы были закодированы в обратном порядке по сравнению с другими. Самый низкий балл, который можно получить из информационной формы, равен 0, а самый высокий общий балл — 42.

Шкала когнитивной нагрузки: Kılıç et al. (2004) Будет использоваться «Когнитивная шкала нагрузки» (BYÖ), адаптированная для турецкого языка. Он имеет один фактор и девять баллов (очень мало, очень мало, мало, частично мало, ни больше, ни меньше, больше, больше, больше, больше, больше, больше или больше). Коэффициент внутренней согласованности Cronbach Alpha исходной версии оказался равным 0,90. (7). Килич и др. (2004) в исследовании адаптации коэффициент внутренней согласованности Cronbach Alpha был найден равным 0,78. Самый низкий балл баллов, полученных по шкале, равен 1,00, средний балл – 5,00, а самый высокий балл – 9,00. Участники, набравшие менее пяти баллов, были оценены как «когнитивно перегруженные», а участники, набравшие более пяти баллов, были оценены как «когнитивно перегруженные».

Шкала чувствительности доступности: это шкала, первоначальная достоверность которой на турецком языке была действительна в 2018 году Gökoğlu et al. Масштаб измеряется в учебных средах, основанных на виртуальной реальности. Шкала имеет 5 факторов (подшкала), а именно: участие (фактор 1), сплоченность / окружение (фактор 2), сенсорная приверженность (фактор 3), взаимодействие (фактор 4) и качество взаимодействия (фактор 5) и состоит из 29 вопросов (8). ). Согласно исследовательскому факторному анализу (AFA) и подтверждающему факторному анализу (CFA), общая дисперсия, объясняемая 5-факторной структурой, составила 41,197%, а коэффициент надежности шкалы составил 0,844.

Анализ данных исследования: Анализ данных исследования будет выполнен с использованием IBM SPSS для Mac book 24 версии.