此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

人工智能讨论对助产专业学生的影响

2026年3月18日 更新者:Ayşe Gül Bursa、Fenerbahce University

人工智能辅助病例讨论对助产专业学生人工智能态度、使用与熟练度的影响

本研究旨在探讨人工智能辅助案例讨论对助产专业学生人工智能技术使用与熟练程度及其临床能力水平的影响。 随着人工智能的快速发展,其在医疗保健教育中的整合变得越来越重要。 利用AI工具支持基于案例的学习可以增强学生的临床决策、问题解决和批判性思维能力。 因此,本研究评估了AI辅助教育方法对助产专业学生专业发展的贡献。

研究概览

地位

尚未招聘

条件

详细说明

人工智能(AI)指的是能够执行需要人类智能任务的计算机支持系统,近年来在各个领域变得越来越流行。 AI是一种技术系统,能够像人类一样思考、学习、感知、预测、交流和做出决策——甚至比人类做得更好。 简而言之,AI可以描述为一个广泛的科学领域,通过人工手段模拟人类展示的自然智能。

AI能够处理呈现给系统的数据、进行数据分析、产生新想法并得出不同结论的能力,这增加了AI的使用。 这些特性可能在速度、效率和质量方面超越人类的问题解决和决策能力。 由于这些优势,人工智能在助产教育中的应用变得不可避免。

澳大利亚助产士学院(ACM)于2024年3月成立了采用人工智能特别委员会,以支持和规范AI的采用。 该委员会强调了在助产教育中使用AI的必要性和优先性。 它还强调,助产士应接受AI使用培训,并应成为所有用于产科护理的AI工具的设计、实施和评估的组成部分(ACM,2024)。

关于AI在医疗保健中的使用,世界卫生组织(WHO)确定了三个战略计划:制定基于证据的标准、治理、政策和指导;促进共享投资和全球专业知识社区;以及在国家层面实施可持续的AI项目采用模式(WHO,2024)。 根据这些战略,有必要将AI应用整合到助产专业中。

随着快速发展的技术影响,改进助产教育变得不可避免。 在传统教育方法中,教师扮演主动角色,而学生则保持被动。 然而,为了使学习有效,应为学生创造积极实践技能和发展批判性思维能力的机会。 助产教育中的案例学习是一种可以提高学生逻辑、临床和参与技能,同时增加其知识水平的方法。

用人工智能工具支持案例学习,有助于更准确的诊断以及临床决策和问题解决技能的发展。 通过这种方式,有可能培养出自信且能够有效使用技术的合格助产士。

本研究的目的是检验人工智能辅助案例讨论对助产学生使用和掌握人工智能技术及其临床能力水平的影响。

研究类型

介入性

注册 (估计的)

81

阶段

  • 不适用

联系人和位置

本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。

学习联系方式

研究联系人备份

  • 姓名:Sinem Dinmez, Assistant Professor
  • 电话号码:+905063568804

学习地点

参与标准

研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。

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

是的

描述

纳入标准:

  • 助产系三/四年级学生
  • 曾修读健康与高危妊娠相关课程
  • 至少准备并演示过一份助产护理计划

排除标准:

  • 现场实习缺勤率超过20%

学习计划

本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。

研究是如何设计的?

设计细节

  • 主要用途:卫生服务研究
  • 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:AI案例组
实验组的学生将获得一个病例情景,并有30分钟时间进行审阅。 在此期间,他们需要为该病例制定一份护理计划。 随后,在60分钟的环节中,研究人员将展示一份借助人工智能辅助为同一病例准备的护理计划。 之后,通过对比学生制定的护理计划与人工智能辅助的护理计划,将进行病例讨论。
实验组学生将获得一个病例情景,并有30分钟时间进行审阅。在此期间,他们将需要为该病例制定护理计划。随后,在60分钟的环节中,研究人员将展示一份借助人工智能辅助为同一病例准备的护理计划。随后将通过比较学生制定的护理计划与人工智能辅助护理计划来进行病例讨论。
无干预:对照
常规实施维护计划的讨论

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
人工智能使用水平
大体时间:直至研究完成,平均3个月
与基线值相比,助产专业学生在培训后人工智能使用水平的变化。 将使用2025年开发的《学生对人工智能态度量表(SATAI)》进行测量。该量表采用五点李克特量表(1=非常不同意,5=非常同意)开发,不包含任何反向计分项目。 量表最高可能得分为130分,最低为26分,分数越高反映对人工智能的态度越积极。
直至研究完成,平均3个月
使用与熟练程度
大体时间:直到研究完成,平均3个月
这将使用2024年开发的生成式人工智能使用与熟练度(GAAP)量表进行测量。 计划采用五点李克特量表(完全反映=5分 - 不反映=1分),该量表得分增加表明人工智能使用和熟练程度较高。 该量表最低可能得分为19分,最高为95分。
直到研究完成,平均3个月

合作者和调查者

在这里您可以找到参与这项研究的人员和组织。

调查人员

  • 研究主任:Sinem Dinmez, Assistant Professor、Mudanya University
  • 研究主任:Zeynep Ogul, Assistant Professor

研究记录日期

这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。

研究主要日期

学习开始 (估计的)

2026年3月16日

初级完成 (估计的)

2026年6月8日

研究完成 (估计的)

2026年7月20日

研究注册日期

首次提交

2026年3月13日

首先提交符合 QC 标准的

2026年3月18日

首次发布 (实际的)

2026年3月24日

研究记录更新

最后更新发布 (实际的)

2026年3月24日

上次提交的符合 QC 标准的更新

2026年3月18日

最后验证

2026年3月1日

更多信息

与本研究相关的术语

其他研究编号

  • Fenerbahce U Midwifery

计划个人参与者数据 (IPD)

计划共享个人参与者数据 (IPD)?

不

IPD 计划说明

我们尚未考虑爆炸,因为数据收集尚未开始。

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

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.

订阅