- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06863792
Chatgpt-assisterad hypertoni Kunskap på sjuksköterskestudenter
Chatgpt-assisterad hypertoni Kunskap hos sjuksköterskestudenter: Bedömning av noggrannhet, AI-ångest och kognitiv belastning
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Användningen av artificiell intelligens (AI) -verktyg i utbildningen ökar snabbt. Chatgpt, utvecklad av OpenAI, är en AI-baserad chatbot som ger en interaktiv inlärningsmiljö. Det genererar flytande och kunskapsbaserade svar baserade på böcker, onlinekällor och artiklar publicerade fram till 2021. Det utbredda antagandet av chatgpt på olika områden har lett till debatter om dess roll och begränsningar. Inom sjuksköterskeutbildning använder studenter ofta chatgpt för snabb tillgång till information, forskningsstöd och examensförberedelser. Emellertid uppstår oro för dess tillförlitlighet på grund av de okända källorna till dess svar och potentialen för felinformation. Chatgpt har också begränsningar när det gäller att tolka komplexa, kontextberoende svar och saknar förmågan att tillämpa principen om individualiserad vård, vilket är grundläggande i omvårdnadspraxis.
Studier har visat Chatgpts olika prestanda inom sjukvårdsområdet. Hypertension, en kronisk sjukdom som påverkar över en miljard människor över hela världen, är ett kritiskt ämne för sjuksköterskestudenter, eftersom deras förståelse av tillståndet kan påverka patientvård positivt. Tidigare forskning har visat att ChatGPT ger kliniskt lämpliga svar på hypertoni-relaterade frågor med en hög noggrannhetsgrad på 92,5%. Dessutom besvarade GPT-4-versionen av ChatGPT korrekt över 86% av frågorna i USA: s medicinska licensundersökning (USMLE).
Denna randomiserade kontrollerade studie syftar till att utvärdera effektiviteten av chatgpt i att undervisa hypertoni till sjuksköterskestudenter samtidigt som de utvärderar deras nivåer av AI-relaterad ångest och kognitiv belastning. Med tanke på den ökande närvaron av AI -verktyg i utbildningen är att förstå både deras fördelar och begränsningar avgörande för deras optimala integration i sjuksköterskan.
Studiepopulationen består av studenter som är inskrivna i sjuksköterskeprogrammet vid ett privat universitet. Studien syftar till att nå hela befolkningen, särskilt 96 studenter som har avslutat sjuksköterskan för internmedicin. Studenter som uppfyller inkluderingskriterierna kommer att informeras om studien och inbjudas att delta. Volontärer kommer att fylla i ett inledande informationsformulär och tilldelas slumpmässigt till intervention (chatgpt) eller kontrollgrupper i ett 1: 1-förhållande med hjälp av datorbaserad randomisering (48 studenter per grupp). Interventionsgruppen kommer att svara på frågor från Hypertension Prevention Attitude Scale med ChatGPT, medan kontrollgruppen kommer att använda traditionella metoder. Därefter kommer båda grupperna att slutföra den artificiella intelligensens ångestskala och kognitiv belastningsskala och avslutar datainsamling. Alla insamlade data kommer att analyseras med SPSS för Windows 22.0 Statistical Software Package.
Studietyp
Inskrivning (Beräknad)
Fas
- Inte tillämpbar
Kontakter och platser
Studiekontakt
- Namn: Nursemin Unal, Assoc. Prof.
- Telefonnummer: +905077433629
- E-post: nurse_unal@hotmail.com
Studera Kontakt Backup
- Namn: Nilay Bektaş Akpınar, Assist.Prof.
- Telefonnummer: +905319920260
- E-post: nilaybektas88@gmail.com
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Barn
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inkluderingskriterier:
- Att vara inskrivna i sjuksköterskeprogrammet vid ett privat universitet under läsåret 2024-2025.
- För att ha tagit kursen för internmedicin (i denna kurs får eleverna 4 timmars teoretiska lektioner på sjuksköterska för hypertoni -patienter).
- Att vara villig att frivilligt för deltagande i studien.
Uteslutningskriterier:
- Studenter som vill dra sig ur forskningen när som helst kommer inte att inkluderas i studien.
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Övrig
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Enda
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: Chatgpt -grupp
Studenter i interventionsgruppen kommer att besvara frågorna från Hypertension Prevention Attitude Scale med ChatGPT.
|
Studenter i interventionsgruppen kommer att besvara frågorna från Hypertension Prevention Attitude Scale med ChatGPT.
Andra namn:
|
|
Inget ingripande: Kontrollgrupp
I kontrollgruppen kommer studenter att svara på Hypertension Prevention Attitude Scale med traditionella metoder.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Hypertension Prevention Attitudes Scale
Tidsram: I början av studien första antagningen.
|
Skalan består av 26 artiklar och underdimensioner, inklusive skydd och kontroll, vanor och livsstil, näringsattityder, mental tillstånd och fysisk aktivitet och sjukdoms- och riskkunskap.
Objekten är rankade på en fempunkts Likert-skala, allt från "starkt håller inte med" till "starkt överens."
Skalpoängen kan variera från 26 till 130.
Det finns ett positivt samband mellan skalans poäng och attityder till förebyggande av hypertoni.
Cronbachs alfavärde på skalan är 0,91.
|
I början av studien första antagningen.
|
|
Konstgjord intelligens ångestskala
Tidsram: Omedelbart efter interventionen (svarar på skalfrågorna)
|
Artificial Intelligence Anxiety Scale (AIAS) utvecklades av Wang och Wang (2019) och anpassades till turkiska av Akkaya et al. (2021).
Skalan är en 5-punkts Likert-typ, bestående av 21 artiklar och 4 faktorer.
Dessa faktorer är: lärande, jobbförändring, socio-teknisk blindhet och konstgjord intelligensstrukturering.
Minsta poäng som kan erhållas från skalan är 21 och den maximala poängen är 105.
En högre poäng indikerar en högre nivå av AI -ångest.
Cronbachs alfakoefficient för skalan rapporteras vara 0,95.
|
Omedelbart efter interventionen (svarar på skalfrågorna)
|
|
Kognitiv lastskala
Tidsram: Omedelbart efter interventionen (svarar på skalfrågorna)
|
Skalan som utvecklats av PaaS och Van Merriënboer (1993) syftar till att mäta den kognitiva belastningen för studenter under enskilda studieprocesser.
Det anpassades till turkiska av Kılıç och Karadeniz (2004).
Skalan är en symmetrisk skala av Likert-typ med poäng som sträcker sig från 1 till 9. Det gör det möjligt att bedöma den ansträngning som en student utövar under deras individuella inlärningsprocess.
Enligt skalan ökar kognitiv belastning från 1 till 9. Poäng mellan 1-4 betraktas som låg kognitiv belastning, medan poäng mellan 5-9 betraktas som hög kognitiv belastning.
PaaS och Van Merriënboer (1993) rapporterade en intern konsistenskoefficient på 0,82 för skalan, medan Kılıç och Karadeniz (2004) beräknade en intern konsistenskoefficient på 0,90 för den turkiska versionen.
|
Omedelbart efter interventionen (svarar på skalfrågorna)
|
Samarbetspartners och utredare
Sponsor
Utredare
- Huvudutredare: Nursemin Unal, Assoc. Prof., Ankara University
Publikationer och användbara länkar
Allmänna publikationer
- Alkhaqani, A. L. (2023). Can ChatGPT help researchers with scientific research writing. Journal of Medical Research and Reviews, 1(1), 9-12. https://doi.org/10.5455/JMRR.20230626013424
- Branum C, Schiavenato M. Can ChatGPT Accurately Answer a PICOT Question? Assessing AI Response to a Clinical Question. Nurse Educ. 2023 Sep-Oct 01;48(5):231-233. doi: 10.1097/NNE.0000000000001436. Epub 2023 Apr 28.
- Abdulai AF, Hung L. Will ChatGPT undermine ethical values in nursing education, research, and practice? Nurs Inq. 2023 Jul;30(3):e12556. doi: 10.1111/nin.12556. Epub 2023 Apr 26. No abstract available.
- Goktas, P., Kucukkaya, A., & Karacay, P. (2024). Utilizing GPT 4.0 with prompt learning in nursing education: A case study approach based on Benner's theory. Teaching and Learning in Nursing, 19(2), e358-e367.
- Sallam M. ChatGPT Utility in Healthcare Education, Research, and Practice: Systematic Review on the Promising Perspectives and Valid Concerns. Healthcare (Basel). 2023 Mar 19;11(6):887. doi: 10.3390/healthcare11060887.
- Wang, Y. Y. & Wang, Y. S. (2019). Development and validation of an artificial intelligence anxiety scale: an initial application in predicting motivated learning behavior. Interactive Learning Environments, 1-16. https://doi.org/10.1080/10494820.2019.1674887
Studieavstämningsdatum
Studera stora datum
Studiestart (Beräknad)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
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
- 2025-2 (Annat bidrag/finansieringsnummer: Korean Society of Cardiometabolic Syndrome)
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 .