- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT07490665
Effekten av diskussioner om artificiell intelligens på barnmorskestudenter
Effekten av artificiell intelligens-assisterad fallbeskrivning på attityd, användning och färdighet inom artificiell intelligens bland barnmorskestudenter
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Artificiell intelligens (AI), som avser datorstödda system som kan utföra uppgifter som kräver mänsklig intelligens, har blivit allt mer populär inom alla områden under de senaste åren. AI är ett tekniskt system som kan tänka, lära, uppfatta, göra förutsägelser, kommunicera och fatta beslut som människor – eller till och med bättre än människor. Kort sagt kan AI beskrivas som ett brett vetenskapligt område som simulerar den naturliga intelligens som människor demonstrerar genom artificiella medel.
AI:s förmåga att bearbeta de data som presenteras för systemet, utföra dataanalyser, generera nya idéer och dra olika slutsatser har ökat användningen av AI. Dessa funktioner kan överträffa mänsklig problemlösning och beslutsfattande när det gäller hastighet, effektivitet och kvalitet. På grund av dessa fördelar har användningen av artificiell intelligens inom barnmorskeutbildning blivit oundviklig.
Australian College of Midwives (ACM) inrättade Select Committee on Adopting Artificial Intelligence i mars 2024 för att stödja och reglera införandet av AI. Denna kommitté betonade nödvändigheten och prioriteringen av att använda AI inom barnmorskeutbildning. Den framhöll också att barnmorskor bör utbildas i användningen av AI och bör vara en integrerad del av design, implementering och utvärdering av alla AI-verktyg som används inom mödravård (ACM, 2024).
När det gäller användningen av AI inom hälso- och sjukvård har Världshälsoorganisationen (WHO) identifierat tre strategiska planer: möjliggöra evidensbaserade standarder, styrning, policyer och riktlinjer; underlätta gemensamma investeringar och en global expertgemenskap; och implementera hållbara modeller för införandet av AI-program på landsnivå (WHO, 2024). I linje med dessa strategier är det nödvändigt att integrera AI-applikationer i barnmorskeprofessionen.
Med påverkan från snabbt utvecklande teknologi har det blivit oundvikligt att förbättra barnmorskeutbildningen. I traditionella utbildningsmetoder spelar instruktören en aktiv roll medan studenterna förblir passiva. För att lärande ska vara effektivt bör dock möjligheter skapas för studenter att aktivt träna sina färdigheter och utveckla kritiska tänkande förmågor. Fallbaserat lärande inom barnmorskeutbildning är en metod som kan förbättra studenternas logiska, kliniska och deltagande färdigheter samtidigt som deras kunskapsnivåer ökar.
Att stödja fallbaserat lärande med artificiella intelligensverktyg kan bidra till mer exakt diagnos och utveckling av kliniskt beslutsfattande och problemlösningsförmågor. På detta sätt blir det möjligt att utbilda kompetenta barnmorskor som är självsäkra och kapabla att använda teknik effektivt.
Syftet med denna studie är att undersöka effekten av artificiell intelligens-assisterade falldiskussioner på barnmorskestudenters användning och skicklighet av artificiella intelligens-teknologier och deras kliniska kompetensnivåer.
Studietyp
Inskrivning (Beräknad)
Fas
- Inte tillämpbar
Kontakter och platser
Studiekontakt
- Namn: Ayşe G Bursa, Assistant Professor
- Telefonnummer: +905062984670
- E-post: aysegul.bursa@fbu.edu.tr
Studera Kontakt Backup
- Namn: Sinem Dinmez, Assistant Professor
- Telefonnummer: +905063568804
Studieorter
-
-
Atasehır
-
Istanbul, Atasehır, Turkiet (Türkiye), 34758
- Fenerbahce University
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Barn
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Att vara en student på 3:e/4:e året på Barnmorskeutbildningen
- Att tidigare ha läst kurser om Frisk och Riskfylld Graviditet
- Att ha förberett och presenterat minst en barnmorskevårdsplan
Exklusionskriterier:
- Att ha mer än 20% frånvaro vid fältapplikationer
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Hälsovårdsforskning
- Tilldelning: Randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Enda
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: AI Case Group
Studenter i experimentgruppen kommer att presenteras med ett fallscenario och ges 30 minuter att granska det.
Under denna tid kommer de att ombes att utveckla en vårdplan för fallet.
Därefter, inom en 60-minuterssession, kommer forskaren att presentera en vårdplan som utarbetats med artificiell intelligens för samma fall.
En falldiskussion kommer sedan att genomföras genom att jämföra vårdplanerna som utvecklats av studenterna med den AI-assisterade vårdplanen.
|
Studenter i den experimentella gruppen kommer att presenteras med ett fallscenario och ges 30 minuter att granska det.
Under denna tid kommer de att ombedjas att utveckla en vårdplan för fallet.
Därefter, inom en 60-minuterssession, kommer forskaren att presentera en vårdplan som har utarbetats med artificiell intelligens-assistans för samma fall.
En fall diskussion kommer sedan att genomföras genom att jämföra de vårdplaner som utvecklats av studenterna med den AI-assisterade vårdplanen.
|
|
Inget ingripande: Kontroll
Diskussion om rutinmässigt implementerat underhållsplan
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Nivå av artificiell intelligens-användning
Tidsram: Genom studiens slutförande, i genomsnitt 3 månader
|
Förändringar i nivån av AI-användning bland barnmorskestudenter efter utbildning, jämfört med baslinjevärden.
The Student Attitudes toward Artificial Intelligence Scale (SATAI), som utvecklades 2025, kommer att användas för mätning. Skalan, utvecklad med en femgradig Likertskala (1=Instämmer inte alls och 5=Instämmer helt), innehåller inga omvändkodade frågor.
Den högsta möjliga poängen på skalan är 130, och den lägsta är 26, där högre poäng återspeglar mer positiva attityder till artificiell intelligens.
|
Genom studiens slutförande, i genomsnitt 3 månader
|
|
Användning och kompetensnivå
Tidsram: Genom studiens slutförande, i genomsnitt 3 månader
|
Detta kommer att mätas med Generative Artificial Intelligence Use and Proficiency (GAAP)-skalan, utvecklad 2024.
Planerad som en femgradig Likert-skala (fullständigt återspeglar = 5 poäng - återspeglar inte alls = 1 poäng) indikerar en ökning av poängen från denna skala en hög nivå av artificiell intelligens-användning och färdighet.
Minimipoängen på skalan är 19 och maximipoängen är 95.
|
Genom studiens slutförande, i genomsnitt 3 månader
|
Samarbetspartners och utredare
Sponsor
Utredare
- Studierektor: Sinem Dinmez, Assistant Professor, Mudanya University
- Studierektor: Zeynep Ogul, Assistant Professor
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
Andra studie-ID-nummer
- Fenerbahce U Midwifery
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
IPD-planbeskrivning
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 .