Undergraduate nursing students' use and experiences of Large Language Models:A qualitative descriptive study

Technische Samenvatting: Gebruik en Ervaringen van Ondergraduates Verpleegkunde met Large Language Models

Probleemstelling
De snelle integratie van Large Language Models (LLM's), zoals DeepSeek, Doubao en ChatGPT, in het medisch onderwijs heeft de ontwikkeling van formele pedagogische kaders en institutionele beleidsregels overtroffen. Hoewel er kwantitatieve enquêtes bestaan over algemene gebruiksfrequenties, is er een aanzienlijke kloof in het begrip van de genuanceerde, realistische ervaringen van studenten verpleegkunde. Specifiek is er weinig bekend over hun specifieke gebruiksstrategieën, de tastbare voordelen en uitdagingen die zij tegenkomen, hun geleefde ervaringen met academische integriteit en hun onvervulde behoeften voor de optimalisatie van hulpmiddelen. Aangezien de verpleegkunde een unieke combinatie vereist van technische vaardigheid, kritisch denken en humanistische zorg, roept de ongecontroleerde adoptie van AI-gestuurde tools zorgen op over de potentiële erosie van professionele competenties en de risico's van overmatige afhankelijkheid.

Methodologie
Deze studie maakte gebruik van een kwalitatief descriptief ontwerp met een fenomenologische benadering om de geleefde ervaringen van verpleegkundestudenten te verkennen.

• Deelnemers: Vijftien fulltime undergraduate verpleegkundestudenten werden via doelgerichte steekproefwerving gerekruteerd van een universiteit in China. De inclusiecriteria vereisten regelmatig LLM-gebruik (minstens twee keer per week gedurende de voorafgaande zes maanden).
• Dataverzameling: De gegevens werden verzameld via semi-gestructureerde, face-to-face interviews die plaatsvonden tussen maart en mei 2026. Een interviewgids, die getest en verfijnd was, besloeg zeven kerngebieden, waaronder de keuze van tools, specifieke gebruiksscenario's, waargenomen voordelen/moeilijkheden, ethische grenzen en suggesties voor verbetering.
• Data-analyse: Interviews werden letterlijk getranscribeerd en geanalyseerd met behulp van de zevenstapsmethode van Colaizzi. Twee onderzoekers codeerden de gegevens onafhankelijk met behulp van NVivo 15.0, waarbij constante vergelijking en thematische clustering werden toegepast om de analytische strengheid te waarborgen en bias te minimaliseren.
• Ethiek: De studie werd goedgekeurd door de Ethische Commissie van het Affiliated Hospital van Xiangnan University, waarbij alle deelnemers geïnformeerde toestemming gaven en de gegevens geanonimiseerd werden.

Belangrijkste Bijdragen en Resultaten
De analyse leverde vier primaire thema's en elf subthema's op die het huidige landschap van LLM-gebruik in het verpleegkundig onderwijs karakteriseren:

1. Huidige Patronen van LLM-gebruik:

   • Diversiteit aan Tools: Studenten maken gebruik van meerdere tools (bijv. Doubao, DeepSeek, Kimi), waarbij Doubao de voorkeur geniet vanwege de intuïtieve interface.
   • Rationale Strategieën: Studenten gebruiken LLM's niet kritiekloos. Ze hanteren strategieën zoals het verfijnen van prompts (het specificeren van rollen en context), het kruisverifiëren van antwoorden met tekstboeken en het vergelijken van outputs tussen verschillende modellen.
   • Diverse Scenario's: Het gebruik varieert van examenvoorbereiding, het verhelderen van complexe terminologie, academisch schrijven (schetsen, polijsten), tot klinische simulatie en studieplanning.

2. Voordelen en Dilemma's van de Gebruikerservaring:

   • Voordelen: Studenten rapporteren aanzienlijke winst in leerrendement, gemak en interactiviteit. LLM's worden gezien als "leermpartners" die moeilijke concepten kunnen verduidelijken en tijd kunnen besparen op routinematige taken.
   • Dilemma's: Significante beperkingen werden geïdentificeerd, waaronder onnauwkeurige of hallucinerende informatie, redundante inhoud, kennisachterstand (verouderde terminologie) en een gebrek aan aansluiting bij huidige verpleegkundige tekstboeken. Studenten merkten ook een gebrek aan multimodale capaciteiten (afbeeldingen, video's) op die essentieel zijn voor klinische procedures, evenals financiële barrières voor toegang tot geavanceerde functies.

3. Percepties van Academische Ethiek:

   • Ethische Grenzen: Studenten tonen een gesitueerd begrip van integriteit, waarbij ze onderscheid maken tussen legitieme ondersteuning (bijv. ideeën genereren, taal polijsten) en academisch wangedrag (bijv. direct kopiëren voor opdrachten of examens).
   • Rol van het Hulpmiddel: Hoewel ze als efficiëntietools worden beschouwd, uiten studenten hun zorgen dat overmatige afhankelijkheid het kritisch denken, autonoom leren en professioneel oordeelsvermogen zou kunnen ondermijnen.

4. Behoeften voor Tooloptimalisatie en AI-geletterdheid:

   • Verpleegkundig-Specifieke Verbeteringen: Deelnemers riepen expliciet op tot LLM's met verpleegkundig-specifieke kennisbases, aansluiting bij hoofdstukken/pagina's van tekstboeken, verifieerbare literatuurbronnen en multimodale functies (video/diagrammen).
   • Betaalbaarheid: Er is een sterke vraag naar gratis of goedkope toegang tot essentiële functies.
   • Onderwijs in AI-geletterdheid: Studenten gaven aan behoefte te hebben aan systematische training over hoe ze LLM's effectief kunnen gebruiken, inclusief prompt engineering, informatieverificatie en het behoud van kritisch redeneren.

Betekenis en Claims
Het artikel stelt dat undergraduate verpleegkundestudenten LLM's momenteel pragmatisch en strategisch gebruiken, waarbij zij duidelijke winst boeken in leerrendement ondanks merkbare beperkingen in nauwkeurigheid en professionele relevantie. De studie stelt dat hoewel studenten over enige ethische bewustzijn beschikken, zij bezorgd zijn dat deze tools het kritisch denken en de humanistische zorgcompetenties zouden kunnen verminderen.

Concluderend betogen de auteurs dat het verpleegkundig onderwijs verder moet gaan dan ongecontroleerde adoptie. Zij stellen voor dat instellingen moeten:

1. Vakspecifieke gebruiksvoorschriften vaststellen om ethische grenzen te verduidelijken.
2. Verpleegkundig-op-maat gemaakte LLM's ontwikkelen of investeren in die verifieerbare medische kennis en multimodale functies bevatten.
3. AI-geletterdheidscursussen integreren in het curriculum om de digitale geletterdheid en het kritisch oordeelsvermogen te cultiveren die nodig zijn voor toekomstige verpleegkundige professionals.

De studie concludeert dat deze maatregelen essentieel zijn voor het bevorderen van de diepere integratie van intelligente technologieën in het verpleegkundig onderwijs zonder de kernattributen van klinische competentie en humanistische zorg in gevaar te brengen.