Att utnyttja stora språkmodeller (LLM) för att förbättra forskningskompetens bland grundutbildade sjuksköterskestudenter: En ny metod för forskningsutbildning (NRAC)
Att utnyttja stora språkmodeller (LLM) för att förbättra forskningskompetensen bland sjuksköterskestudenter på grundnivå: Ett nytt tillvägagångssätt för forskningsutbildning
Syftet med denna mixade metoders interventionsstudie är att utveckla och testa effektiviteten av att integrera ChatGPT i sjuksköterskeutbildningens forskningskurs för att förbättra forskningskompetensen hos tredjeårsstuderande på sjuksköterskeprogrammet. De huvudsakliga frågorna som studien syftar att besvara är:
Kommer deltagare som genomgår LLM-integrerad läroplan att visa en ökning av forskningskompetens och attityder jämfört med deltagare som inte genomgår denna läroplan.
Forskarna kommer att jämföra studenternas bedömningsbetyg, samt deras forskningskompetens och attityder, mätta via Research Competence Scale (R-Comp) respektive Revised Attitudes Towards Research scale (R-ATR). Forskningen kommer att avgöra om den LLM-integrerade läroplanen kan förbättra studenternas förståelse och attityder gentemot forskning.
Studieöversikt
Status
Betingelser
Intervention / Behandling
Studietyp
Inskrivning (Beräknad)
Fas
- Inte tillämpbar
Kontakter och platser
Studieorter
-
-
-
Singapore, Singapore
- National University of Singapore, Yong Loo Lin School of Medicine, Singapore, Singapore 117599
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Alla årskurs-tre-studenter i kohortår AY2025/26 och AY2026/27 som är inskrivna i den obligatoriska forskningskursen "NUR3202C: Forskning och evidensbaserad vård"
Exklusionskriterier:
- INGA
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Övrig
- Tilldelning: Icke-randomiserad
- Interventionsmodell: Parallellt uppdrag
- Maskning: Ingen (Open Label)
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Inget ingripande: AY2025/2026-kohort
|
|
|
Experimentell: AY2026/2027 kohort
|
Läroplanen för AY2026/2027 kommer att ha följande integrerat i sina lektioner/läromaterial:
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Forskningskompetensfrågeformulär
Tidsram: En gång vid baslinje (vecka 0), en gång vid vecka 10
|
En 32-punkts, 5-gradig Likert-skala som bedömer deltagarnas upplevda forskningskompetens.
Minimi- och maximipoängen man kan uppnå på detta mått är 32 respektive 160, där en högre poäng indikerar högre upplevd kompetens inom forskning.
|
En gång vid baslinje (vecka 0), en gång vid vecka 10
|
|
Reviderad skala för attityder till forskning
Tidsram: En gång vid baslinjen (vecka 0), en gång vid vecka 10
|
En 13-punkts, 7-gradig Likert-skala som bedömer deltagarnas egna attityder till forskning.
Den lägsta och högsta poängen man kan uppnå på detta mått är 13 respektive 91, där en högre poäng indikerar en mer positiv inställning till forskning.
|
En gång vid baslinjen (vecka 0), en gång vid vecka 10
|
|
Förslag till forskningsbetyg
Tidsram: Vecka 15
|
Betyg från forskningsförslaget kommer också att användas som ett objektivt mått på studentens forskningskompetens för datatriangulering. Detta forskningsförslag är en befintlig bedömning i NUR3202C och kommer att bedömas med hjälp av en strukturerad bedömningsmatris som betygsätter studenter baserat på innehåll, organisation, framförande och samarbete. |
Vecka 15
|
Samarbetspartners och utredare
Samarbetspartners
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
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
- NUS-IRB-2025-136
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 .