Heterogeneity in Nursing Students’ Artificial Intelligence Literacy: A Study of Self-Efficacy, Attitudes Toward Technology, and Ethical Concerns Based on Latent Profile Analysis
Deze studie maakt gebruik van latente profielanalyse bij 522 verpleegkundestudenten in Binnen-Mongolië om drie onderscheidende AI-geletterdheidssubgroepen te identificeren en onthult dat zelfeffectiviteit, attitudes tegenover AI en ethische zorgen belangrijke voorspellers zijn van deze profielen, waardoor gestratificeerde educatieve interventies worden gepleit om de competentie van toekomstige verpleegkundigen in AI-gestuurde gezondheidszorg te vergroten.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat de wereld van de gezondheidszorg een enorm, bruisend ruimteschip is. Jarenlang heeft de bemanning (verpleegkundigen en artsen) het schip bestuurd met behulp van kaarten, kompassen en hun eigen scherpe verstand. Maar nu is er een nieuwe, ongelooflijk krachtige motor geïnstalleerd: Kunstmatige Intelligentie, of AI. Dit is niet zomaar een fancy rekenmachine; het is een slimme co-piloot die kan helpen bij het diagnosticeren van patiënten, het monitoren van hun vitale functies en zelfs het suggereren van gepersonaliseerde zorgplannen. Maar hier komt de crux: het hebben van een supermotor helpt niet als de bemanning niet weet hoe ze ermee moeten vliegen. "AI-geletterdheid" is de set vaardigheden die nodig is om deze nieuwe technologie te begrijpen, te gebruiken en ethisch te beheren. Het gaat niet alleen om weten welke knoppen je moet indrukken; het gaat erom begrijpen hoe de motor denkt, erop vertrouwen wanneer hij gelijk heeft, en weten wanneer je zijn werk moet controleren. Als de toekomstige bemanning van dit ruimteschip leren verpleegkundestudenten vliegen, maar vliegen ze allemaal op hetzelfde vliegpad? Sommigen zijn misschien expertpiloten, terwijl anderen alleen maar naar de bedieningselementen staren, verward. Dit is de vraag die onderzoekers wilden beantwoorden: leren alle verpleegkundestudenten op dezelfde manier te vliegen in dit nieuwe schip, of zijn er verschillende soorten leerlingen met verschillende sterktes en zwaktes?
Deze studie, uitgevoerd door een team van de Inner Mongolia Minzu Universiteit, besloot niet langer naar verpleegkundestudenten te kijken als één enkele, wazige menigte, maar gebruikte in plaats daarvan een speciale statistische microscoop genaamd "Latent Profile Analysis" om de onderscheidende groepen te zien die binnen de klas verborgen zitten. Denk eraan als het sorteren van een zak gemengde LEGO-steentjes. In plaats van alleen te tellen hoeveel rode of blauwe steentjes er zijn (de oude manier), keken ze naar hoe de steentjes daadwerkelijk waren samengesteld om drie duidelijke "modellen" van studenten te vinden.
De onderzoekers ondervroegen 522 verpleegkundestudenten in december 2025. Ze vroegen hen naar hun AI-vaardigheden, hoe zelfverzekerd ze zich voelden bij het gebruik van AI (zelfeffectiviteit), hun houding tegenover de technologie en hoe bezorgd ze waren over de ethische kant van zaken (zoals privacy en bias). De resultaten toonden aan dat de studenten niet allemaal hetzelfde waren; ze vielen uiteen in drie zeer duidelijke groepen:
- De groep met "Fundamentele Zwakte" (42,25%): Dit zijn de studenten die een beetje verdwaald zijn. Zij hebben de laagste scores over de hele linie. Ze begrijpen misschien het basisidee van AI, maar als het gaat om het daadwerkelijk gebruiken ervan in een echte verpleegkundige scenario, hebben ze de meeste moeite. Het zijn de passagiers die weten dat het vliegtuig een autopilot heeft, maar bang zijn om de bediening aan te raken.
- De "Ontwikkelingsgroep" (42,41%): Dit is het middenveld. Ze hebben een redelijk begrip van de basis en zijn niet bang om dingen uit te proberen, maar ze zijn nog geen experts. Het zijn de bemanningsleden die het vliegtuig kunnen vliegen bij goed weer, maar misschien nerveus worden tijdens een storm. Er is nog ruimte voor groei.
- De groep met "Compleet Ontwikkeling" (15,34%): Dit zijn de toekomstige kapiteins. Ze scoren hoog op alles: ze kennen de theorie, ze zijn zelfverzekerd in het gebruik van de instrumenten en ze hebben een sterke grip op de ethische regels. Ze zijn klaar om het roer over te nemen.
De studie vond iets interessants over het onderdeel "Toepassing" van AI-geletterdheid. Zelfs de slimste groep (de 15,34%) scoorde lager op het daadwerkelijk gebruiken van de tools vergeleken met hun kennis van ethiek en theorie. Het is also kind als het hebben van een piloot die de fysica van de vlucht perfect kent, maar niet genoeg tijd in de cockpit heeft doorgebracht om te oefenen met landen. De onderzoekers suggereren dat dit komt omdat verpleegkundescholen vaak de ideeën van AI onderwijzen, maar niet genoeg praktische ervaring bieden met echte klinische tools.
Dus, wat maakt een student tot een "Kapitein" in plaats van een "Verwarde Passagier"? De studie suggereert drie hoofdingrediënten:
- Zelfvertrouwen (Zelfeffectiviteit): Studenten die geloofden dat ze AI konden gebruiken, hadden een veel grotere kans om in de hoogpresterende groep te zitten. Als je denkt dat je het niet kunt, zul je het waarschijnlijk niet proberen, en zul je niet beter worden.
- Houding: Studenten die een positieve, open geest hadden tegenover AI-technologie, waren eerder de experts. Als je denkt dat AI eng of nutteloos is, zul je het niet goed leren gebruiken.
- Ethische zorgen: Dit is een lastige. Studenten die zich veel zorgen maakten over AI-ethiek (zoals privacy en eerlijkheid) waren minder waarschijnlijk in de "Verwarde" groep te vinden. Het lijkt erop dat geven om de regels je helpt om de onderste laag te vermijden. Echter, alleen maar zorgen maken over ethiek maakte iemand niet automatisch een "Kapitein". Je hebt ook het zelfvertrouwen en de positieve houding nodig om de top te bereiken.
De auteurs concluderen dat we niet iedereen op dezelfde manier kunnen onderwijzen. Omdat de studenten zo verschillend zijn, moet het onderwijs op maat worden gemaakt. De "Verwarde Passagiers" hebben basisopleiding en praktische oefening nodig om hun fundament op te bouwen. Het "Middenveld" heeft meer scenario-gebaseerde oefeningen nodig om hun vaardigheden aan te scherpen. En de "Kapiteins" zouden uitgedaagd moeten worden met complexe onderzoekstaken en data-analyse. Door de onderwijsstijl af te stemmen op het huidige "vliegniveau" van de student, kunnen verpleegkundescholen ervoor zorgen dat wanneer deze studenten afstuderen, ze allemaal klaar zijn om de toekomst van de gezondheidszorg veilig en effectief te besturen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.