← Derniers articles
📄 medicine

Heterogeneity in Nursing Students’ Artificial Intelligence Literacy: A Study of Self-Efficacy, Attitudes Toward Technology, and Ethical Concerns Based on Latent Profile Analysis

Cette étude utilise l'analyse de profils latents sur 522 étudiants en soins infirmiers en Mongolie intérieure pour identifier trois sous-groupes distincts de littératie en IA et révèle que l'auto-efficacité, les attitudes envers l'IA et les préoccupations éthiques sont des prédicteurs clés de ces profils, préconisant ainsi des interventions éducatives stratifiées pour renforcer la compétence des futurs infirmiers dans les soins de santé pilotés par l'IA.

Auteurs originaux : Xin Sun, Yan Gao, Dan Zhou, Ziqi Wang, Hui Ji

Publié 2026-08-10
📖 6 min de lecture🧠 Analyse approfondie

Auteurs originaux : Xin Sun, Yan Gao, Dan Zhou, Ziqi Wang, Hui Ji

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que le monde des soins de santé soit comme un immense vaisseau spatial bouillonnant d'activité. Depuis des années, l'équipage (infirmiers et médecins) dirige le vaisseau à l'aide de cartes, de boussoles et de son propre esprit vif. Mais maintenant, un nouveau moteur incroyablement puissant a été installé : l'Intelligence Artificielle, ou IA. Il ne s'agit pas seulement d'une calculatrice sophistiquée ; c'est un copilote intelligent capable d'aider à diagnostiquer les patients, de surveiller leurs constantes vitales et même de suggérer des plans de soins personnalisés. Mais voici le hic : posséder un super-moteur ne sert à rien si l'équipage ne sait pas comment le piloter. « La littératie en IA » est l'ensemble de compétences nécessaires pour comprendre, utiliser et gérer de manière éthique cette nouvelle technologie. Il ne s'agit pas seulement de savoir appuyer sur des boutons ; il s'agit de comprendre comment le moteur réfléchit, de lui faire confiance quand il a raison, et de savoir quand vérifier son travail. En tant que futurs équipages de ce vaisseau spatial, les étudiants en soins infirmiers apprennent à voler, mais sont-ils tous sur la même trajectoire de vol ? Certains pourraient être des pilotes experts, tandis que d'autres fixent simplement les commandes, confus. C'est la question à laquelle les chercheurs voulaient répondre : tous les étudiants en soins infirmiers apprennent-ils à piloter ce nouveau vaisseau de la même manière, ou existe-t-il différents types d'apprenants avec des forces et des faiblesses différentes ?

Cette étude, menée par une équipe de l'Université des minorités de l'intérieur de la Mongolie, a décidé de ne plus regarder les étudiants en soins infirmiers comme une foule unique et floue, mais a utilisé un microscope statistique spécial appelé « Analyse de profil latent » pour voir les groupes distincts cachés au sein de la classe. C'est comme trier un sac de briques LEGO mélangées. Au lieu de simplement compter combien il y a de briques rouges ou bleues (l'ancienne méthode), ils ont regardé comment les briques étaient réellement assemblées pour trouver trois « modèles » distincts d'étudiants.

Les chercheurs ont interrogé 522 étudiants en soins infirmiers en décembre 2025. Ils les ont interrogés sur leurs compétences en IA, sur leur sentiment de confiance dans l'utilisation de l'IA (auto-efficacité), sur leurs attitudes envers la technologie et sur leurs inquiétudes concernant le côté éthique (comme la confidentialité et les biais). Les résultats ont révélé que les étudiants n'étaient pas tous les mêmes ; ils se répartissaient en trois groupes très clairs :

  1. Le groupe « Faiblesse Fondamentale » (42,25 %) : Ce sont les étudiants qui sont un peu perdus. Ils ont les scores les plus bas dans tous les domaines. Ils comprennent peut-être l'idée de base de l'IA, mais lorsqu'il s'agit de l'utiliser concrètement dans un scénario de soins réels, ils sont les plus en difficulté. Ce sont les passagers qui savent que l'avion possède un pilote automatique, mais qui ont peur de toucher aux commandes.
  2. Le groupe « Développement » (42,41 %) : C'est le groupe du milieu. Ils ont une compréhension décente des bases et n'ont pas peur d'essayer des choses, mais ils ne sont pas encore des experts. Ce sont les membres d'équipage qui peuvent piloter l'avion par beau temps, mais qui pourraient être nerveux pendant une tempête. Ils ont une marge de progression.
  3. Le groupe « Développement Global » (15,34 %) : Ce sont les futurs capitaines. Ils obtiennent des scores élevés dans tout : ils connaissent la théorie, sont confiants dans l'utilisation des outils et maîtrisent parfaitement les règles éthiques. Ils sont prêts à prendre les commandes.

L'étude a révélé quelque chose d'intéressant concernant la partie « Application » de la littératie en IA. Même le groupe le plus brillant (les 15,34 %) a obtenu des scores plus faibles sur l'utilisation réelle des outils par rapport à ses connaissances en éthique et en théorie. C'est comme avoir un pilote qui connaît parfaitement la physique du vol mais qui n'a pas passé assez de temps dans le cockpit pour pratiquer l'atterrissage. Les chercheurs suggèrent que cela est dû au fait que les écoles de soins infirmiers enseignent souvent les idées de l'IA, mais ne donnent pas assez de pratique concrète avec de véritables outils cliniques.

Alors, qu'est-ce qui fait qu'un étudiant atterrit dans le groupe « Capitaine » plutôt que dans le groupe « Passager Confus » ? L'étude suggère trois ingrédients principaux :

  • La Confiance (Auto-efficacité) : Les étudiants qui croyaient qu'ils pouvaient utiliser l'IA étaient beaucoup plus susceptibles d'appartenir au groupe de haute performance. Si vous pensez que vous ne pouvez pas le faire, vous ne le ferez probablement pas, et vous ne progresserez pas.
  • L'Attitude : Les étudiants qui avaient un esprit positif et ouvert envers la technologie de l'IA étaient plus susceptibles d'être des experts. Si vous pensez que l'IA est effrayante ou inutile, vous n'apprendrez pas à bien l'utiliser.
  • Les Préoccupations Éthiques : Ceci est un peu plus complexe. Les étudiants qui s'inquiétaient beaucoup de l'éthique de l'IA (comme la confidentialité et l'équité) étaient moins susceptibles d'être dans le groupe « Confus ». Il semble que se soucier des règles aide à éviter le bas de l'échelle. Cependant, s'inquiéter de l'éthique ne suffisait pas automatiquement à devenir un « Capitaine ». Vous avez besoin de la confiance et d'une attitude positive aussi pour atteindre le sommet.

Les auteurs concluent que nous ne pouvons pas simplement enseigner de la même manière à tout le monde. Puisque les étudiants sont si différents, l'enseignement doit être adapté. Les « Passagers Confus » ont besoin d'une formation de base et de pratique concrète pour construire leurs fondations. Le « Milieu de Pack » a besoin d'exercices basés sur des scénarios pour affiner ses compétences. Et les « Capitaines » devraient être mis au défi par des tâches complexes de recherche et d'analyse de données. En adaptant le style d'enseignement au « niveau de vol » actuel de l'étudiant, les écoles de soins infirmiers peuvent garantir que, lorsque ces étudiants obtiendront leur diplôme, ils seront tous prêts à piloter de manière sûre et efficace le futur des soins de santé.

Noyé(e) sous les articles dans votre domaine ?

Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.

Essayer Digest →