Content, implementation, and evaluation of artificial intelligence literacy education for nursing students : A scoping review

अस्पताल बदल रहे हैं। दशकों से, नर्सिंग के उपकरण स्टेथोस्कोप, चार्ट और देखभाल करने वालों के स्थिर हाथ रहे हैं। अब, एक नए प्रकार का उपकरण आ गया है: आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता)। ये ऐसे कंप्यूटर सिस्टम हैं जो पढ़ सकते हैं, लिख सकते हैं और समस्याओं को हल कर सकते हैं, और अक्सर मानवीय बातचीत की नकल कर सकते हैं। वास्तविक दुनिया में, वे डॉक्टरों को यह अनुमान लगाने में मदद करते हैं कि कौन से मरीज बीमार हो सकते हैं और चिकित्सा रिकॉर्डों के विशाल भंडार का प्रबंधन करते हैं। लेकिन आज नर्स बनने का प्रशिक्षण ले रहे छात्रों के लिए, ये उपकरण एक अनूठी चुनौती पेश करते हैं। केवल मशीन को चालू करना जानना ही पर्याप्त नहीं है। एक नर्स को यह समझना चाहिए कि मशीन पर कब भरोसा करना है, उसके उत्तरों पर कब सवाल उठाना है, और उस मानवीय जुड़ाव को खोए बिना इसका उपयोग कैसे करना है जो उनके पेशे को परिभाषित करता है। इस नए कौशल सेट को 'एआई लिटरेसी' (AI literacy) कहा जाता है। यह इन तकनीकों का समझदारी से उपयोग करने, उनकी गलतियों को पहचानने और रोगी सुरक्षा को हर निर्णय के केंद्र में रखने की क्षमता है।

शोधकर्ताओं की एक टीम यह देखने के लिए निकली कि नर्सिंग स्कूल इस महत्वपूर्ण कौशल को कैसे सिखा रहे हैं। उन्होंने किसी एक आदर्श पद्धति की तलाश नहीं की, बल्कि किसी भी ऐसे अध्ययन, रिपोर्ट या पाठ्यक्रम को खोजने के लिए एक विस्तृत जाल फैलाया जिसने नर्सिंग छात्रों को आर्टिफिशियल इंटेलिजेंस के साथ काम करना सिखाने का प्रयास किया हो। उन्होंने दुनिया भर के डेटाबेस से हजारों रिकॉर्डों की खोज की, जिसमें 2018 की शुरुआत से लेकर 2026 के मध्य तक प्रकाशित कार्यों को देखा गया। एक सावधानीपूर्वक समीक्षा के बाद, उन्होंने अपना ध्यान चौदह विशिष्ट स्रोतों तक सीमित कर दिया। इनमें संयुक्त राज्य अमेरिका, चीन, ऑस्ट्रेलिया और तुर्की जैसे देशों के प्रयोग, कक्षा संबंधी रिपोर्ट और पाठ्यक्रम डिजाइन शामिल थे। इसमें शामिल छात्र कॉलेज के पहले वर्ष से लेकर उन्नत डॉक्टरेट डिग्री प्राप्त करने वाले छात्रों तक थे।

शोधकर्ताओं ने जो पाया वह एक ऐसा क्षेत्र था जो अभी बहुत नया है लेकिन एक स्पष्ट दिशा में बढ़ रहा है। शिक्षा अब केवल छात्रों को कंप्यूटर में प्रश्न टाइप करना सिखाने के बारे में नहीं है। ध्यान एक बहुत ही गहरे विषय की ओर स्थानांतरित हो गया है: जिम्मेदार उपयोग और आलोचनात्मक सोच। जिन कक्षाओं का उन्होंने अध्ययन किया, उनमें सबसे आम सबक सॉफ्टवेयर के तकनीकी हिस्सों पर नहीं, बल्कि सही प्रश्न पूछने, जिसे "प्रॉम्प्टिंग" (prompting) कहा जाता है, और कंप्यूटर द्वारा दिए गए उत्तरों की जांच करने पर था। छात्रों को कंप्यूटर के साथ एक सहायक लेकिन त्रुटिपूर्ण सहायक की तरह व्यवहार करने के लिए सिखाया गया। उन्होंने तथ्यों को सत्यापित करना, छिपे हुए पूर्वाग्रहों को खोजना और यह सुनिश्चित करना सीखा कि मशीन द्वारा उत्पन्न कोई भी सलाह वास्तविक रोगी की विशिष्ट आवश्यकताओं के अनुरूप हो।

यह शिक्षण अक्सर व्यावहारिक और व्यावहारिक अनुभव पर आधारित होता है। कई कार्यक्रमों में, छात्रों को एक कार्य दिया गया, जैसे कि एक 'केयर प्लान' लिखना या किसी केस स्टडी का विश्लेषण करना, और फिर उन्हें AI टूल का उपयोग करने के लिए कहा गया। प्रशिक्षकों ने उन्हें केवल स्वतंत्र रूप से टूल का उपयोग नहीं करने दिया; उन्होंने उन्हें एक उत्तर उत्पन्न करने, त्रुटियों के लिए उसकी जांच करने और फिर उसे परिष्कृत करने की प्रक्रिया के माध्यम से मार्गदर्शन किया। "जनरेट, वेरीफाई और रिफाइन" (उत्पन्न करें, सत्यापित करें और संशोधित करें) का यह चक्र सबसे आम पैटर्न था। छात्रों ने रोगी शिक्षा सामग्री तैयार करने या जटिल चिकित्सा जानकारी को व्यवस्थित करने के लिए इन उपकरणों का उपयोग करने का अभ्यास किया। हालांकि, शोधकर्ताओं ने नोट किया कि छात्रों के लिए सबसे कठिन हिस्सा टूल का उपयोग करना नहीं था, बल्कि यह जानना था कि उस पर निर्भरता कब रोकनी है। जब स्थितियां अत्यधिक जटिल हो जाती थीं या उनमें गहरी भावनात्मक आवश्यकताएं शामिल होती थीं, तो छात्र अक्सर यह तय करने में संघर्ष करते थे कि कंप्यूटर का सुझाव सुरक्षित या उपयुक्त है या नहीं।

छात्रों के सीखने की जांच करने के लिए उपयोग की जाने वाली विधियां काफी विविध थीं। कुछ स्कूलों ने मानक सर्वेक्षणों का उपयोग किया जहाँ छात्रों ने अपने स्वयं के आत्मविश्वास या ज्ञान को रेट किया। अन्य ने एक छात्र द्वारा AI की मदद से लिखे गए केयर प्लान की गुणवत्ता का मूल्यांकन करने के लिए ग्रेडिंग रूब्रिक्स का उपयोग किया। परिणाम आम तौर पर दिखाते हैं कि छात्र तकनीक के साथ अधिक सहज महसूस करते थे और जानते थे कि यह कैसे काम करती है। वे कंप्यूटर के लेखन में स्पष्ट त्रुटियों को पहचानने में बेहतर हो गए। फिर भी, शोधकर्ताओं ने साक्ष्यों में एक अंतर की ओर इशारा किया। जबकि छात्र एक शांत कक्षा के वातावरण में परीक्षण पास कर सकते थे या एक बेहतर रिपोर्ट लिख सकते थे, इस बात का कम प्रमाण है कि वे इन कौशलों को एक व्यस्त, वास्तविक अस्पताल में ले जा पाएंगे। हम नहीं जानते कि क्या एक छात्र, जो एक शांत कक्षा में AI के काम की जांच करना सीखता है, वही काम तब करेगा जब एक मरीज संकट में हो और समय बहुत कम हो।

अध्ययनों ने यह भी खुलासा किया कि इस तरह की अधिकांश शिक्षा छोटे दौरों में होती है, जो अक्सर एक एकल कक्षा या सेमेस्टर के कुछ हफ्तों के भीतर होती है। बहुत कम कार्यक्रमों ने एक दीर्घकालिक योजना बनाई है जो नर्सिंग की पूरी चार साल की डिग्री में AI लिटरेसी को बुनती है। शोधकर्ताओं ने पाया कि हालांकि कुछ स्कूलों ने इस तरह के दीर्घकालिक सीखने के लिए ढांचे बनाना शुरू कर दिया है, उन्होंने अभी तक उन्हें छात्रों के बड़े समूहों के साथ परखा नहीं है। इसका मतलब है कि वर्तमान परिदृश्य एक एकीकृत प्रणाली के बजाय आशाजनक प्रयोगों का एक संग्रह है। शिक्षण हो रहा है, लेकिन यह बिखरा हुआ है, और सफलता को मापने के तरीके अभी भी सुसंगत नहीं हैं।

अंततः, जो तस्वीर उभरती है वह सतर्क प्रगति की है। नर्सिंग स्कूल यह समझने लगे हैं कि AI लिटरेसी केवल एक तकनीकी जुड़ाव नहीं है, बल्कि पेशेवर निर्णय का एक मुख्य हिस्सा है। लक्ष्य ऐसे नर्स तैयार करना है जो अपनी स्वयं की आलोचनात्मक सोच को बदलने के बजाय, देखभाल को बढ़ाने के लिए इन शक्तिशाली उपकरणों का उपयोग कर सकें। शोधकर्ताओं का सुझाव है कि इसके सफल होने के लिए, शिक्षा को छोटे पाठों से आगे बढ़कर पूरे नर्सिंग पाठ्यक्रम का एक निरंतर हिस्सा बनना होगा। भविष्य के कार्यक्रमों को सॉफ्टवेयर का उपयोग करने के बजाय, रोगी देखभाल की अव्यवस्थित और अप्रत्याशित वास्तविकता में इसके आउटपुट का निर्णय लेने पर अधिक ध्यान केंद्रित करने की आवश्यकता है। तब तक, यह क्षेत्र अपने शुरुआती चरणों में बना हुआ है, जो एक ऐसे भविष्य की नींव रख रहा है जहाँ मानव नर्स और बुद्धिमान मशीनें मिलकर काम करेंगी, जिसमें मानव हमेशा रोगी के कल्याण के लिए अंतिम जिम्मेदारी संभालेगा।