护理学生的CHATGPT辅助高血压知识
护理学生的ChatGPT辅助高血压知识:准确性,AI焦虑和认知负荷的评估
研究概览
详细说明
在教育中使用人工智能(AI)工具正在迅速增加。 由OpenAI开发的Chatgpt是一个基于AI的聊天机器人,可提供交互式学习环境。 它根据书籍,在线资源和文章发表到2021年,产生流利和基于知识的回答。 在各个领域中Chatgpt的广泛采用引发了有关其作用和局限性的辩论。 在护理教育方面,学生经常使用CHATGPT快速访问信息,研究支持和考试准备。 但是,由于其响应的未知来源和错误信息的可能性,因此引起了人们对其可靠性的担忧。 Chatgpt在解释复杂的,与上下文有关的答案方面也有局限性,并且缺乏应用个性化护理原则的能力,这在护理实践中至关重要。
研究表明,Chatgpt在医疗保健领域的表现不同。 高血压是一种慢性疾病,影响了全世界有十亿人口的慢性疾病,这对护理学生来说是一个关键的话题,因为他们对病情的理解会对患者护理产生积极影响。 先前的研究表明,CHATGPT为高血压相关问题提供了临床上适当的答案,高精度率为92.5%。 此外,GPT-4版本的CHATGPT正确回答了美国医疗许可检查(USMLE)的86%以上的问题。
这项随机对照研究旨在评估Chatgpt在向护理学生教授高血压的有效性,同时还评估他们与AI相关的焦虑和认知负荷水平。 鉴于AI工具在教育中的存在越来越多,因此了解它们的优势和局限性对于它们在护理教育中的最佳融合至关重要。
研究人群由私立大学参加护理计划的学生组成。 该研究旨在吸引整个人群,尤其是完成内科护理课程的96名学生。 符合纳入标准的学生将被告知有关该研究的学生,并邀请参加。 志愿者将填写一份介绍性信息表格,并使用基于计算机的随机分组(每组48名学生)以1:1的比率随机分配给干预组(CHATGPT)或对照组。 干预小组将使用CHATGPT回答预防高血压态度量表的问题,而对照组将使用传统方法。 之后,两组将完成人工智能焦虑量表和认知负荷量表,从而结束数据收集。 所有收集的数据将使用Windows 22.0统计软件包的SPSS分析。
研究类型
注册 (估计的)
阶段
- 不适用
联系人和位置
学习联系方式
- 姓名:Nursemin Unal, Assoc. Prof.
- 电话号码:+905077433629
- 邮箱:nurse_unal@hotmail.com
研究联系人备份
- 姓名:Nilay Bektaş Akpınar, Assist.Prof.
- 电话号码:+905319920260
- 邮箱:nilaybektas88@gmail.com
参与标准
资格标准
适合学习的年龄
- 孩子
- 成人
- 年长者
接受健康志愿者
描述
纳入标准:
- 在2024-2025学年,要参加一所私立大学的护理计划。
- 为了参加内科医学护理课程(在本课程中,学生接受高血压患者的护理理论课程4个小时)。
- 愿意自愿参加这项研究。
排除标准:
- 希望在任何阶段退出研究的学生将不包括在研究中。
学习计划
研究是如何设计的?
设计细节
- 主要用途:其他
- 分配:随机化
- 介入模型:并行分配
- 屏蔽:单身的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
实验性的:Chatgpt小组
干预小组的学生将使用Chatgpt回答预防高血压态度量表的问题。
|
干预小组的学生将使用Chatgpt回答预防高血压态度量表的问题。
其他名称:
|
|
无干预:对照组
在对照组中,学生将使用传统方法反应预防高血压态度量表。
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
预防高血压态度
大体时间:在研究开始时,首次入学。
|
该量表包括26个项目和细分,包括保护和控制,习惯和生活方式,营养态度,精神状态和体育锻炼以及疾病和风险知识。
这些项目以五点李克特量表进行评分,从“完全不同意”到“完全同意”。
量表得分的范围从26到130。
量表得分与预防高血压的态度之间存在积极的关系。
Cronbach的alpha量表为0.91。
|
在研究开始时,首次入学。
|
|
人工智能焦虑量表
大体时间:干预后立即(回答规模问题)
|
人工智能焦虑量表(AIAS)由Wang和Wang(2019)开发,并由Akkaya等人改编为土耳其。 (2021)。
该量表是5点李克特类型,由21个项目和4个因素组成。
这些因素是:学习,工作变化,社会技术失明和人工智能结构。
可以从量表获得的最低分数为21,最大分数为105。
较高的分数表明AI焦虑水平更高。
据报道,Cronbach的Alpha系数为0.95。
|
干预后立即(回答规模问题)
|
|
认知负载量表
大体时间:干预后立即(回答规模问题)
|
Paas和vanMerriënboer(1993)开发的量表旨在衡量在个人学习过程中学生的认知负担。
它由Kılıç和Karadeniz(2004)改编成土耳其。
该量表是对称的,李克特型的量表,得分范围从1到9。它可以评估学生在个人学习过程中所付出的努力。
根据量表,认知载荷从1到9。1-4之间的得分被认为是低认知载荷,而5-9之间的得分被认为是高认知载荷。
Paas和vanMerriënboer(1993)报道了该量表的内部一致性系数为0.82,而Kılıç和Karadeniz(2004)计算了土耳其版本的内部一致性系数为0.90。
|
干预后立即(回答规模问题)
|
合作者和调查者
调查人员
- 首席研究员:Nursemin Unal, Assoc. Prof.、Ankara University
出版物和有用的链接
一般刊物
- 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
研究记录日期
研究主要日期
学习开始 (估计的)
初级完成 (估计的)
研究完成 (估计的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.