📊 statistics

Women’s knowledge and attitude scale toward ai-based chatbot systems in preconception counseling: A scale development study

Questo studio ha sviluppato e validato una scala affidabile di 19 item e a tre fattori per valutare efficacemente le conoscenze, gli atteggiamenti, l'accettazione e la fiducia delle donne riguardo ai sistemi di chatbot basati sull'IA nel contesto del counseling preconcezionale.

Autori originali: Ebru Cirban Ekrem, Güleser Ada

Pubblicato 2026-07-20

📖 6 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Ebru Cirban Ekrem, Güleser Ada

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di voler imparare a preparare la torta perfetta, ma invece di chiedere a un pasticciere umano, decidi di chiedere a un robot super intelligente. Questo robot, alimentato dall'Intelligenza Artificiale (IA), può chattare con te, rispondere alle tue domande e fornirti ricette istantaneamente. Questo è il mondo della "salute digitale", dove i computer cercano di aiutarci a fare scelte migliori per il nostro corpo. Ma ecco la parte complicata: solo perché un robot può parlare, non significa che noi lo fidiamo. Dobbiamo chiederci: il robot dice la verità? Custodirà i nostri segreti in sicurezza? E sappiamo abbastanza su come funzionano i robot per usarli correttamente?

Questo è particolarmente importante quando l'argomento è delicato come la "consulenza preconcezionale". Immaginate questo come il "pre-partita" per avere un bambino. È il momento in cui le persone pianificano una futura famiglia, apprendendo abitudini sane, nutrizione e rischi prima ancora di rimanere incinte. È una cosa molto importante perché ciò che accade ora può influenzare la salute di un bambino anni dopo. Ma ottenere buone consulenze non è sempre facile; a volte non ci sono abbastanza medici, o le persone non possono permettersi di andare a trovarli. Così, gli scienziati si chiedono: questi chatbot IA potrebbero essere i compagni d'avventura di cui abbiamo bisogno? Per scoprirlo, dobbiamo prima sapere cosa ne pensa la gente comune. Sono entusiasti? Spaventati? O semplicemente confusi?

Il Test della Ricetta del Robot: Misurare la Fiducia in un Chatbot

Due ricercatori, Ebru e Güleser, hanno deciso di costruire un righello speciale per misurare esattamente come si sentono le donne nei confronti di questi chatbot IA quando si tratta di pianificare un bambino. Non hanno chiesto solo ad alcuni amici; hanno creato uno strumento scientifico chiamato PC-AICBS-KAS (che è un nome complicato, quindi chiamiamolo semplicemente il "Righello della Fiducia nel Robot").

Hanno raccolto un gruppo di 474 donne, tutte tra i 18 e i 45 anni, e hanno chiesto loro di compilare un sondaggio online. Per assicurarsi che il loro righello fosse accurato, hanno diviso il gruppo a metà. Hanno usato la prima metà per capire come doveva essere fatto il rigolo (come disegnare una mappa) e la seconda metà per testare se la mappa funzionasse davvero (come percorrere il sentiero per vedere se conduce da qualche parte).

Cosa hanno scoperto?
Il righello si è rivelato un ottimo strumento e misurava tre cose distinte, come tre gusti diversi in un cono gelato:

Il Gusto "Lo Voglio Usare" (Accettazione e Intenzione): Questo misura quanto qualcuno voglia effettivamente usare il chatbot. Si sentono a proprio agio a porgli domande su peso, esercizio fisico o nutrizione? Lo studio ha scoperto che molte donne erano aperte all'idea, vedendo l'IA come una guida di supporto piuttosto che come un sostituto spaventoso di un medico umano.
Il Gusto "So Cos'è" (Conoscenza e Consapevolezza): Questo verifica se le persone capiscono effettivamente cosa il robot può e non può fare. Sanno che l'IA può fornire informazioni su un'alimentazione sana ma non può sostituire il consiglio di un vero medico? Lo studio ha mostato che conoscere i limiti del robot è una parte fondamentale del perché le persone si fidano.
Il Gusto "È Sicuro?" (Valutazione Critica e Fiducia): Questa è la parte più seria. Misura se le persone sono abbastanza scettiche da ricontrollare le risposte del robot. Le donne nello studio erano generalmente d'accordo sul fatto che l'IA sia utile, ma credevano anche fermamente che il consiglio del robot non debba mai essere l'unica cosa a cui ascoltare. Vogliono verificare le informazioni e assicurarsi che la loro privacy sia protetta.

Il Gioco dei Numeri
I ricercatori hanno testato il loro righello su 237 donne per la prima parte e altre 237 per la seconda. Il righello finale ha 19 domande. Quando hanno analizzato le risposte, hanno scoperto che questi tre "gusti" spiegavano il 63,16% delle differenze nel modo in cui le persone si sentono. È una gran parte dell'immagine spiegata!

Hanno anche controllato se il righello fosse coerente. Immaginate di pesare voi stessi cinque volte di seguito e ottenere cinque numeri totalmente diversi; quella bilancia sarebbe rotta. Ma questo righello era molto costante. Il punteggio di "coerenza interna" era 0,942 (su una scala dove più alto è meglio), il che significa che se aveste posto le stesse domande di nuovo, otterreste risultati molto simili.

La Connessione con la "Digital Literacy"
Ecco un colpo di scena divertente: i ricercatori hanno anche controllato quanto queste donne fossero brave nell'usare la tecnologia in generale (chiamata "Digital Health Literacy"). Hanno trovato un legame: più una donna era brava a navigare su internet e a controllare se le informazioni online fossero reali, più era positiva riguardo l'uso del chatbot IA. È come dire: "Se sai riconoscere un sito web falso, sei più propensa a fidarti di un robot utile". La connessione non era fortissima, ma era decisamente presente, con un punteggio di 0,265.

Ciò che il Righello Non Dice
È importante sapere cosa questo studio non ha dimostrato. I ricercatori non hanno detto che i chatbot IA sono perfetti o che tutti dovrebbero usarli proprio ora. In effetti, lo studio evidenzia che le persone sono caute. Non vedono il robot come un sostituto di un infermiere o di un medico; lo vedono come un aiutante. Lo studio non ha testato nemmeno gli uomini, quindi non sappiamo se gli uomini si sentano allo stesso modo. E poiché hanno solo chiesto alle persone cosa pensavano in un determinato momento, non possono dire con certezza se l'uso del chatbot causi ancora la nascita di bambini più sani.

La Grande Conclusione
Questo articolo è come consegnare agli scienziati e ai medici un nuovo, lucente metro da sarto. Prima, non avevano un buon modo per chiedere: "Ti fidi di questo robot?". Ora, hanno uno strumento con 19 domande che può dire loro esattamente cosa pensano le donne, cosa sanno e di cosa hanno paura. Suggerisce che, se vogliamo che l'IA aiuti nella pianificazione familiare, non possiamo solo costruire una tecnologia fantastica; dobbiamo costruire la fiducia, insegnare alle persone come usarla e far capire che è solo un compagno d'avventure, non l'eroe principale.

Sintesi Tecnica: Sviluppo e Validazione del PC-AICBS-KAS

Problematica
La consulenza preconcezionale è un periodo critico per la modifica dei fattori di rischio al fine di migliorare gli esiti materni e neonatali. Tuttavia, l'erogazione dei servizi a livello globale rimane iniqua, spesso ostacolata dai vincoli della forza lavoro e da una bassa alfabetizzazione sanitaria. Sebbene i sistemi di chatbot basati sull'Intelligenza Artificiale (IA) offrano soluzioni scalabili per informazioni sanitarie personalizzate, la loro integrazione in contesti sensibili di salute riproduttiva presenta sfide significative. La letteratura esistente manca di strumenti di misurazione specificamente adattati per valutare le conoscenze e gli atteggiamenti delle donne nei confronti dei chatbot basati sull'IA nella consulenza preconcepionale. Le scale attuali affrontano l'accettazione tecnologica generale, ma non riescono a catturare i determinanti contestuali quali le sensibilità etiche, le aspettative sulla privacy e i carichi decisionali specifici associati alla salute riproduttiva. Di conseguenza, esiste un vuoto metodologico nella valutazione accurata delle prospettive, della fiducia e dell'intenzione di utilizzare tali sistemi all'interno di questo specifico dominio clinico.

Metodologia
Questo studio ha impiegato un disegno di sviluppo di una scala metodologica condotto tra febbraio e aprile 2026. Il processo ha seguito le fasi di sviluppo della scala di DeVellis (2021) e ha coinvolto tre fasi distinte:

Generazione degli Item e Validità di Contenuto: È stata generata una bozza di 30 item basata sulla letteratura e sul contributo di esperti. Tredici esperti di livello dottorale in ostetricia e infermieristica hanno valutato gli item utilizzando una scala di rilevanza a quattro punti. La tecnica di Lawshe è stata applicata per calcolare il Rapporto di Validità di Contenuto (CVR) e l'Indice di Validità di Contenuto (CVI). Sette item sono stati esclusi in base a valutazioni sfavorevoli, risultando in una bozza di 23 item. Un test cognitivo con 10 donne ha confermato la chiarezza degli item.
Raccolta Dati e Campionamento: La bozza della scala è stata somministrata a 474 donne di età pari o superiore a 18 anni tramite canali social (Instagram, Facebook, Twitter) utilizzando una strategia di reclutamento a valanga (snowball recruitment). Il campione è stato diviso casualmente in due gruppi indipendenti: Campione 1 ( $n=237$ ) per l'Analisi Fattoriale Esplorativa (EFA) e Campione 2 ( $n=237$ ) per l'Analisi Fattoriale Confermativa (CFA). La raccolta dati includeva un Modulo di Informazioni Descrittive, la nuova scala (PC-AICBS-KAS) e la Scala di Alfabetizzazione Sanitaria Digitale (DHLS) per valutare la validità di criterio.
Valutazione Psicometrica:
- Validità di Costrutto: Valutata tramite EFA (utilizzando l'Analisi delle Componenti Principali con rotazione Varimax) e CFA (utilizzando la stima di Massima Verosimiglianza in AMOS 24.0). Il fit del modello è stato valutato utilizzando indici tra cui $\chi^2/df$ , RMSEA, CFI, TLI e GFI.
- Affidabilità: La coerenza interna è stata misurata utilizzando l'alfa di Cronbach ( $\alpha$ ) e l'omega di McDonald ( $\omega$ ).
- Validità di Criterio: Esaminata attraverso i coefficienti di correlazione di Pearson tra la nuova scala e la DHLS.

Contributi Chiave e Risultati
Lo studio ha sviluppato e validato con successo la Scala di Conoscenze e Atteggiamenti verso i Sistemi di Chatbot basati sull'IA nella Consulenza Preconcepionale (PC-AICBS-KAS).

Struttura Fattoriale: Lo strumento finale consiste di 19 item organizzati in tre sottodimensioni:
1. Accettazione e Intenzione d'Uso: Riflette la volontà dell'utente di interagire con l'IA per la guida preconcepionale.
2. Conoscenza e Consapevolezza: Valuta la comprensione delle capacità dell'IA riguardo allo stile di vita, alla nutrizione e ai fattori di rischio.
3. Valutazione Critica e Fiducia: Valuta la capacità dell'utente di valutare criticamente le informazioni dell'IA, verificare le fonti e fidarsi del sistema senza considerarlo un sostituto dei professionisti.
Metriche di Validità:
- La struttura a tre fattori ha spiegato il 63,16% della varianza totale.
- I risultati della CFA hanno indicato un fit del modello accettabile: $\chi^2/df = 2,668$ , RMSEA = 0,084, CFI = 0,928 e TLI = 0,914.
- La validità di contenuto era statisticamente adeguata con un CVI di 0,95.
Metriche di Affidabilità: La scala ha dimostrato un'elevata coerenza interna, con un $\alpha$ di Cronbach totale di 0,942 e un $\omega$ di McDonald di 0,946. I coefficienti delle sottodimensioni variavano da 0,770 a 0,925.
Validità di Criterio: È stata trovata una correlazione positiva statisticamente significativa tra il punteggio totale della PC-AICBS-KAS e la Scala di Alfabetizzazione Sanitaria Digitale (DHLS) ( $r = 0,265, p < 0,01$ ), supportando la validità della scala in relazione alla competenza digitale.

Significatività e Rivendicazioni
Gli autori sostengono che la PC-AICBS-KAS sia uno strumento valido e affidabile per la valutazione multidimensionale delle prospettive delle donne verso i chatbot basati sull'IA nella consulenza preconcepionale. Lo studio postula che la scala colmi un vuoto critico nella letteratura andando oltre la generale accettazione tecnologica per includere fattori contestuali specifici come la valutazione critica, la fiducia e la sensibilità etica.

I risultati suggeriscono che l'accettazione dell'IA in questo dominio da parte dell'utente non è guidata esclusivamente dall'utilità percepita, ma è dinamicamente plasmata dai livelli di conoscenza, dalla capacità di valutare criticamente le informazioni e dall'alfabetizzazione sanitaria digitale. Gli autori sottolineano che la scala fornisce uno strumento pratico per infermieri, ostetriche e decisori politici per:

Valutare i bisogni educativi riguardanti l'IA nella salute riproduttiva.
Progettare interventi mirati per migliorare la consapevolezza della salute digitale.
Guidare l'implementazione dei sistemi di IA come strumenti di supporto piuttosto che sostituti dei professionisti sanitari.

Lo studio conclude che, sebbene la scala sia robusta, la sua generalizzabilità richiede ulteriori validazioni in diversi contesti culturali e popolazioni, inclusi gli uomini, e che la ricerca futura dovrebbe affrontare i limiti del disegno trasversale e dei dati auto-riferiti.

Il Test della Ricetta del Robot: Misurare la Fiducia in un Chatbot

Articoli simili