用虚拟现实教授胎儿发育

如今，模拟教育逐渐增多，并在助产教育领域得到有效应用（1）。 据观察，模拟教育在助产、怀孕、分娩或产后期间得到有效使用 (2,9)。 为助产模拟培训提供虚拟现实视角将使学生能够在进行临床实践之前有效地使用助产实践 (3,5)。 怀孕教学是助产教育的基础，虚拟现实应用将最大限度地减少临床应用错误，并提供胎儿先露和胎盘异常的早期诊断，使人们能够体验怀孕和分娩。 他们将能够有效地看到随着怀孕的进展而发生的差异以及母胎对这些差异的反应。 这是一个最新的重要课题，使他们能够在三个维度上看到怀孕过程、母胎发育、胎盘差异和母亲的循环反应，而在虚拟怀孕应用程序的助产教育中没有任何障碍 (4,6, 7,8,9).

由于该应用是一项新开发的技术，它将开创助产教育的当前视角，填补其教育中虚拟现实模拟的空白，并为助产教育和文献提供基础。 我国虽有模拟助产或健康方面的研究，但尚无虚拟现实与妊娠在助产中结合应用的研究。 在世界范围内虚拟现实与健康领域和助产专业相关的研究中，虚拟现实专业得到了对教育有积极影响的研究的支持。

研究类型：该研究计划是一项实验性研究，设计为实验组和对照组。

研究地点和日期：该研究将于 2019 年 11 月至 2020 年 10 月在卡拉布克大学健康科学学院助产系进行。

研究由2部分组成。 在第一部分中，将开发虚拟现实应用程序。 虚拟怀孕软件将通过服务采购来准备。 为此，研究人员将每周详细撰写胎儿发育和胎儿生理学，并创建虚拟怀孕。

二。 该研究的应用将在该部门进行。

第一节：虚拟现实应用的发展

在研究的第一部分，将通过服务采购的方式开发虚拟怀孕软件。 为此，研究人员将通过每周撰写胎儿发育、胎儿生理学和解剖学的文章来详细创建算法。 该算法将根据每周胎儿发育图像和绘图（10,11）和来自妇产科书籍的胎儿发育每周图像以及互联网上共享的胎儿发育图像传输到眼镜。 如预算表所述，将为虚拟怀孕软件的开发购买服务。 TUBITAK 将适用于此服务。

使用虚拟怀孕应用程序，

• 每周学习怀孕形成，
• 跟踪胎盘发育并了解与正常情况的偏差，
• 它将提供学习正常胎儿发育的机会，此外，信息将被记住很长时间。 这样，将评估其在虚拟妊娠助产教育中的有效性。

二。部门：研究应用

在这最后一部分的研究中，研究的应用部分已经开始。 该研究将由 3 个组组成，2 个实验组和一个对照组。 根据以 0.95 次幂计算的 G 次幂分析结果，每组将录取 35 名学生。

研究范围将包括 464 名在 Karabuk 大学学习的助产专业学生。

样本将由 105 名助产学生组成，包括 35 名控制组、35 名实验 I 和 35 名实验 II，作为按 0.95 次方计算的 G 功率分析的结果，在范围内的课程中理论学习时间为 4 小时的助产学生中每周的一周，包括胎儿发育。

实验I组：在胎儿发育评估信息表（FEGBF）之后，研究人员准备的计算机辅助和引导虚拟现实应用程序将逐周观看胎儿的阶段，然后通过改变问题的位置。

实验二组：按照胎儿发育评估信息表（FEGBF），由研究人员准备的计算机辅助和非引导的虚拟现实应用程序，包括胎儿发育逐周监测，然后通过改变位置再次应用FEGBF的问题。

对照组：FEGBF将在4小时的理论培训后应用。 虚拟怀孕申请将不会被观看。

第一阶段：三组均经过4小时的理论培训后，采用研究者准备的本研究使用的信息表（FEGBF）作为第一次测试。

第二阶段：对照组不做任何应用，实验组应用计算机辅助和引导的虚拟现实应用，实验Ⅱ组监测无计算机和无引导的虚拟现实应用。

第三阶段：通过改变FEGBF问题的位置来进行后测。 对照组进行4小时理论培训后，实验组观看虚拟分娩应用后进行后测。 此外，在这个阶段，“认知负荷量表”和“库存感觉”将在应用后应用于实验组。

第四阶段：6周后，将三组全部重新定位到FEGBF，考察应用虚拟出生在记忆和回忆信息方面的有效性。

为了不影响计算机辅助随机化程序按照班级名单顺序确定的实验组和对照组，学生将不会被告知哪些是实验组，哪些是对照组。 由于虚拟怀孕申请将在同一天应用于所有实验组学生，因此将排除学生之间相互影响的可能性。

不能参加研究而被随机选为对照组的学生，在研究结束后也将配发虚拟现实眼镜，让所有学生都能看到虚拟分娩申请，实现平等。

研究的随机化：同意参加研究的学生的班级名单将被转移到计算机支持的随机化程序中，并确定分组。 将从最后一刻未参加研究或因疾病或对照组等原因未参加研究的学生中重新选择提供足够的样本量，这些学生同意参加研究但未参加研究随机选择。

通过模拟教授复杂的程序信息可能会给学习者带来认知负担 (6)。 减少认知负荷和提高教学成果的方法是建立一个基于样本的系统。 因此，通过建模使用规则和示例简化了学习复杂程序的过程。 出于这个原因，关于使用 VR 的指令和示例应用视频将作为模型呈现给学习者。

数据收集工具：

数据收集表：拟采用由15个问题组成的表格，其中包括参与者的年龄、婚姻状况、教育状况和家庭类型等特征。

胎儿发育评估信息表（FEGBF）：为准备该信息表，查阅了最新的文献资料，查阅了YÖK创建的助产核心课程（EUÇEP）和一份由42个与胎儿生理学问题和胎儿发育阶段相关的问题组成的信息表开发已准备就绪。 信息表中的项目将以可真可假的完整句子的形式呈现给学生，学生将被要求以“真”或“假”的形式回答这些陈述。 总响应时间为 30 分钟。 答对得1分，答错得0分。 信息表中也使用了错误的表达方式，这些项目与其他项目相比被反向编码。 信息表最低得分为0分，总分最高为42分。

认知负荷量表：Kılıç 等。 (2004) 将使用适用于土耳其语的“认知负荷量表”(BYÖ)。 它有一个因素和九个点（很少，很少，很少，部分很少，既不多也不少，更多，更多，更多，更多，更多，更多或更多）。 发现原始版本的 Cronbach Alpha 内部一致性系数为 0.90。 Kılıç 等人。 (2004) 在适应性研究中，发现 Cronbach Alpha 内部一致性系数为 .78。 量表得分最低为1.00，中间为5.00，最高为9.00。 得分低于 5 分的参与者被评价为“认知超载”，得分高于 5 分的参与者被评价为“认知超载”(12)。

Availability Sensitivity Scale：2018年土耳其效度信度原为7-likert式，土耳其效度降为5-likert式的量表。 该量表的 Cronbach Alpha 信度系数计算为 0.91。 该量表衡量在基于虚拟现实的学习环境中的存在感。 该量表有 5 个因素（较小的尺寸）：参与（因素 1）、凝聚力/周围环境（因素 2）、感官承诺（因素 3）、互动（因素 4）和界面质量（因素 5），由 29 个问题（13 ).

研究的伦理方面：研究将在获得卡拉比克大学非介入研究伦理委员会的伦理委员会许可后开始，并将从每位同意参与研究的学生那里获得知情的志愿者同意书。

研究数据分析：研究数据分析将使用 IBM SPSS for Mac book 24 版本完成。 社会人口特征将取平均值。 在带有实验组/对照组的研究模型中，实验组被测试/测试并最终被测试。 同样的测试将应用于没有实验的对照组。 三组测量值之间的差异是否有意义将使用“独立组的z或t检验”来计算。 对于统计显着性，p