UTVÄRDERING AV EFFEKTIVITETEN AV ETT TRÄNINGSPROGRAM FÖR AXELDYSTOCI DESIGNAT MED INVERTERAD INLÄRNING STÖDD AV GENERATIV ARTIFICIELL INTELLIGENS

Med den pågående digitala omvandlingen inom hälso- och sjukvårdsutbildning har betydelsen av elevcentrerade och teknikintegrerade tillvägagångssätt ökat. Särskilt vid undervisning av komplexa och oförutsägbara kliniska situationer inom hälso- och sjukvården har den begränsade effektiviteten hos traditionella metoder lett till ett växande behov av innovativa tillvägagångssätt som omvänd lärande (flipped learning) och självstyrt lärande. Generativ artificiell intelligens (GAI)-stödda pedagogiska applikationer har potential att förbättra akademiska prestationer genom att göra inlärningsprocessen mer interaktiv. Forskning som utvärderar effektiviteten av dessa teknologier inom utbildning är dock fortfarande begränsad. I detta sammanhang möjliggör GAI-stött omvänt lärande för studenter att få individuella inlärningsupplevelser genom simulerade klassrums- eller kliniska miljöer och att vara bättre förberedda för kliniska möten och specifik klinisk färdighetsträning. Ett av de kritiska kliniska ämnena som bör behandlas inom denna ram är skulderdystoci. Skulderdystoci är ett obstetriskt akutfall, där de flesta fall är oförutsägbara och oundvikliga. Följaktligen syftar denna studie till att utvärdera effekterna av ett GAI-stött omvänt lärande tillvägagångssätt som tillämpas på skulderdystociutbildning på barnmorskestudenters kunskapsnivåer och självstyrda inlärningsfärdigheter genom effektiv användning av teknik.