Sjuksköterskestudenters attityder till artificiell intelligens och examensångestnivåer
Sjuksköterskestudenters attityder till artificiell intelligens och provångestnivåer efter att ha använt ChatGPT och Google Bard i sin utbildning
Denna studie planerades för att fastställa sjuksköterskestudenters attityder till artificiell intelligens och testa ångestnivåer efter att ha använt ChatGPT och Google Bard i sin utbildning. Studien kommer att genomföras i enlighet med forskningsfunktionen i kvasi-experimentell, pretest-posttest, med 3:e och 4:e års sjuksköterskestudenter som studerar vid Sinop University Faculty of Health Sciences hösten 2023-2024. Forskargrupperna heter följande; Experimentgrupp: Gruppen som kommer att få utbildning i ChatGPT och Google Bard, Kontrollgrupp: Gruppen som inte kommer att få utbildning i ChatGPT och Google Bard, med andra ord, 3:e årseleverna på sjuksköterskeavdelningen kommer att kallas kontrollgruppen, och 4:e årsstudenterna kommer att vara experimentgruppen. Utbildningsinnehåll; ChatGPT och Google Bard-utbildning för seniorstudenter vid fakulteten för hälsovetenskap som frivilligt deltog i studien tillhandahålls av Dr. Lektor. Den kommer att ges av medlemmen Yasemin Özyer Güvener. Efter avslutad utbildning kommer eleverna att uppmanas att använda generativ artificiell intelligens i utbildningssyfte. Under genomförandet av studien efter testet (en vecka före slutproven) kommer verktyg för datainsamling att användas igen för studenter som fortsätter att frivilligt delta i forskningen.
Nyckelord: sjuksköterskestudenter, testångest, generativ artificiell intelligens, ChatGPT, Google Bard
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Inom hälsovetenskaplig utbildning kan generativa artificiell intelligensprogram, nämligen ChatGPT och Google Bard, till exempel användas för att skapa annorlunda och realistiska kliniska berättelser, för att säkerställa att hälsovetenskapsstudenter får omedelbar hjälp i unika kliniska fall, och för att förbättra elevernas kommunikationsförmåga (Sallam, 2023). Dessutom kan generativ AI hjälpa hälsovetenskapsstudenter i självinlärning och grupparbete. Användbarheten av produktiv artificiell intelligens och den individualiserade interaktion den ger har gjort den accepterad som en källa till motivation för elever (Connor 2023; Kosak et al., 2023; Gilson et al., 2023; Khan et al., 2023).
Dessutom kan pedagoger främja djupt lärande genom att lära eleverna att kritiskt utvärdera information som genereras av generativ AI, fatta välgrundade beslut om informationens riktighet och tänka på deras ansvar i användningen av generativ AI (Sun et al., 2023). Till exempel, som läxor, kan hälsovetenskapsstudenter bli ombedda att skapa ett evidensbaserat protokoll för stresshantering. Elever kan använda generativ AI för att förbereda protokollet. Således kan eleverna ägna sin tid åt att lära sig ämnesrelaterade begrepp eller få kunskap om olika ämnen.
Under de senaste åren har den snabba utvecklingen inom artificiell intelligens-teknik påverkat alla sociala system, inklusive ekonomi, politik, vetenskap och utbildning (Luan et al., 2020, Stephanidis et al., 2019). Men människor är ofta omedvetna om att det finns tillämpningar för artificiell intelligens (Tai, 2020). Gansser och Reich (2021) definierar artificiell intelligens som en teknik utvecklad helt enkelt för att underlätta mänskligt liv och hjälpa människor i vissa scenarier. Faktum är att artificiell intelligens används i många användbara sammanhang, som att diagnostisera sjukdomar, skydda miljöresurser, förutsäga naturkatastrofer, förbättra utbildningen, förebygga våldsamma handlingar och minska riskerna på arbetsplatsen (Brooks, 2019). Testångest definieras som de obehagliga känslor och känslotillstånd som eleven upplever under en tentamen eller någon utvärdering. Det konstateras att provångest negativt påverkar elevens akademiska framgång.
Studietyp
Inskrivning (Faktisk)
Fas
- Inte tillämpbar
Kontakter och platser
Studieorter
-
-
-
Sinop, Kalkon, 57000
- Yasemin Özyer Güvener
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Att vara 3:e och 4:e årsstudent vid Sinop University Fakulteten för hälsovetenskap under hösten 2023-2024 läsåret
- Att frivilligt delta i forskningen och
- Undertecknar formuläret för informerat samtycke
Exklusions kriterier:
- Att inte vara 3:e eller 4:e årsstudent vid Sinop University Fakulteten för hälsovetenskap under läsåret 2023-2024 hösten
- Att inte frivilligt delta i forskningen
- Att inte underteckna formuläret för informerat samtycke
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Stödjande vård
- Tilldelning: Icke-randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Dubbel
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Inget ingripande: Kontrollgrupp
Under förtestet av studien kommer för det första 3:e årsstudenterna vid Hälsovetenskapliga fakulteten att informeras om syftet med studien, att deras deltagande i studien bygger på principen om frivillighet, att de kan lämna studien kl. när som helst och att studieresultaten endast kommer att användas för vetenskapliga ändamål. Sedan kommer datainsamlingsverktyg att tillämpas på studenter som frivilligt deltar i forskningen. Under posttest-implementeringen av studien (en vecka före slutproven), kommer personlig informationsformuläret, "Attitude Scale Towards Artificial Intelligence" och "Westside Exam Anxiety Scale" att administreras på nytt till 3:e och 4:e årsstudenterna vid fakulteten av hälsovetenskap. |
|
|
Experimentell: Experimentgrupp
Under förtestet av studien, för det första, 4:e årsstudenterna vid Hälsofakulteten. Därefter kommer datainsamlingsverktyg att tillämpas på studenter som frivilligt deltar i forskningen. Utbildningsinnehåll; ChatGPT och Google Bard-utbildning för seniorstudenter vid fakulteten för hälsovetenskap som frivilligt deltog i studien tillhandahålls av Dr. Lektor. Den kommer att ges av medlemmen Yasemin Özyer Güvener. Efter avslutad utbildning kommer eleverna att uppmanas att använda generativ artificiell intelligens i utbildningssyfte. Under posttest-implementeringen av studien (en vecka före slutproven), kommer personlig informationsformuläret, "Attitude Scale Towards Artificial Intelligence" och "Westside Exam Anxiety Scale" att administreras på nytt till 3:e och 4:e årsstudenterna vid fakulteten av hälsovetenskap. |
Utbildningsinnehåll; ChatGPT och Google Bard-utbildning för seniorstudenter vid fakulteten för hälsovetenskap som frivilligt deltog i studien tillhandahålls av Dr. Lektor. Den kommer att ges av medlemmen Yasemin Özyer Güvener. Efter avslutad utbildning kommer eleverna att uppmanas att använda generativ artificiell intelligens i utbildningssyfte. Under posttest-implementeringen av studien (en vecka före slutproven), kommer personlig informationsformuläret, "Attitude Scale Towards Artificial Intelligence" och "Westside Exam Anxiety Scale" att administreras på nytt till 3:e och 4:e årsstudenterna vid fakulteten av hälsovetenskap. |
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Attitydskala mot artificiell intelligens
Tidsram: En dag
|
Denna skala utvecklades av Schepman och Rodway (2020) för att mäta individers allmänna attityder till artificiell intelligens.
Skalan innehåller 20 poster, 12 positiva och 8 negativa.
Objekten poängsätts med en femgradig betygsskala av Likert-typ (från 1=instämmer inte alls till 5=instämmer helt).
Validitets- och reliabilitetsstudien av attitydskalan mot artificiell intelligens på turkiska utfördes av Feridun et al. (2022).
|
En dag
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Westside Test Anxiety Scale (WSKS)
Tidsram: En dag
|
Skalan utvecklades av Driscoll (2007) och anpassades till turkiska för universitetsstudenter av Totan och Yavuz (2009).
Skalan utvecklades i sin ursprungliga form för att användas för att undersöka effekten av ett program som syftar till att minska provångest.
Medan Driscoll (2007) formade skalan som tio poster i en enda dimension, översatte Totan och Yavuz (2009) skalan till turkiska som elva poster, och tänkte att en definition av en post som två olika teckenvariabler skulle vara mer lämplig för turkisk grammatik.
|
En dag
|
Samarbetspartners och utredare
Sponsor
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Faktisk)
Avslutad studie (Faktisk)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- sinopUyasemin-2
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .