Artificial intelligence literacy and self-efficacy among nursing students: A network analysis of educational stratification
Deze studie maakt gebruik van netwerkanalyse om te onthullen dat AI-geletterdheid en zelfeffectiviteit onder verpleegkundestudenten een matig onderling verbonden structuur vormen die gecentreerd is rond "Assistentie", met significante variaties in de netwerkorganisatie tussen studenten van het hbo-propedeuse-niveau en bachelorstudenten, wat wijst op een behoefte aan gedifferentieerde onderwijsstrategieën.
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
Kunstmatige intelligentie is niet langer slechts een concept uit sciencefiction; het vormt op stille wijze de manier waarop de gezondheidszorg werkt, van het helpen van artsen bij het nemen van beslissingen tot het beheren van patiëntendossiers. Voor de verpleegkundigen van morgen wordt het begrijpen van deze instrumenten even essentieel als weten hoe je medicatie toedient. Maar weten dat een instrument bestaat, is iets anders dan je bekwaam voelen om het te gebruiken. Hier komen twee ideeën in beeld: geletterdheid en zelfvertrouwen. Geletterdheid is het feitelijke vermogen om kunstmatige intelligentie te begrijpen, te gebruiken en te beoordelen. Zelfvertrouwen, of wat onderzoekers zelfeffectiviteit noemen, is het innerlijke geloof dat men die technologie succesvol kan bedienen. Hoewel onderwijzers weten dat deze twee zaken met elkaar verbonden zijn, is de precieze manier waarop ze elkaar in de geest van een student beïnvloeden, een beetje een mysterie gebleven. Maakt het weten hoe je een instrument gebruikt je dapperder, of maakt het gevoel van dapperheid je juist nieuwsgieriger om meer te leren? En verandert deze relatie afhankelijk van of een student in een korter, praktijker gericht trainingsprogramma zit of in een langere, meer theoretische universitaire opleiding?
Een team onderzoekers van de University of Electronic Science and Technology of China zette zich scharpe om deze verbindingen in kaart te brengen. Ze verzamelden 7ks 776 verpleegkundestudenten van vijf verschillende scholen in de provincie Sichuan en vroegen hen gedetailleerde vragen te beantwoorden over hun kennis van kunstmatige intelligentie en hun vertrouwen in het gebruik ervan. In plaats van alleen naar gemiddelde scores te kijken, gebruikten de onderzoekers een methode genaamd netwerkanalyse. Stel je de verschillende onderdelen van de kennis en het zelfvertrouwen van een student voor als afzonderlijke kamers in een huis. Sommige kamers zijn verbonden door brede, stevige deuren, terwijl andere smalle gangen hebben of helemaal geen deuren. De onderzoekers wilden zien welke kamers de belangrijkste knooppunten waren die het hele huis bij elkaar hielden, en welke deuren de "kennis"-kant van het huis verbonden met de "zelfvertrouwen"-kant. Ze wilden ook zien of de indeling van dit huis er anders uitzag voor studenten in mbo-opleidingen vergeleken met studenten in bacheloropleidingen.
De studie onthulde dat de belangrijkste kamer in het hele huis de kamer was met het label "Assistentie". Dit vertegenwoordigt het geloof van een student dat kunstmatige intelligentie daadwerkelijk nuttig en waardevol is voor hun taken. Dit enkele geloof fungeerde als het centrale knooppunt dat bijna alles met elkaar verbond. Het was de sterkste schakel tussen het weten over AI en het vertrouwen in het gebruik ervan. Wanneer een student echt voelde dat AI een nuttige helper was, gaf dit een boost aan hun gehele systeem van vaardigheden en zelfvertrouwen. De op één na belangrijkste kamer was "Gebruik", wat verwijst naar het feitelijke vermogen om deze instrumenten te bedienen. De onderzoekers ontdekten dat hoe meer studenten het gevoel hadden dat AI nuttig was, hoe vaker ze de neiging hadden om het te gebruiken, en hoe meer ze het gebruikten, hoe meer hun algehele competentie groeide. De studie bracht echter ook verrassende, negatieve verbanden aan het licht. Zo waren studenten die zich zeer comfortabel voelden bij interactie met AI die menselijk klonk of handelde, minder geneigd om zich zelfverzekerd te voelen in hun praktische gebruiksvaardigheden. Eveneens kwam een sterke focus op technische vaardigheden soms ten koste van het begrip van de ethische regels van AI, wat suggereert dat studenten die erg goed waren in de mechanica, mogelijk de morele implicaties over het hoofd zagen.
De onderzoekers keken vervolgens naar hoe dit "huis" anders werd gebouwd voor studenten in verschillende stadia van hun opleiding. Hoewel het totale aantal verbindingen voor beide groepen vergelijkbaar was, veranderden de belangrijkste kamers. Voor studenten in mbo-opleidingen, die zich meer richten op de praktijk, waren de meest centrale kamers "Evaluatie"—het vermogen om te beoordelen of de output van AI correct is—en "Comfort met AI". Deze studenten vertrouwden zwaar op hun vermogen om het werk van de machine kritisch te controleren en op hun emotionele gemak met het proces. In tegen plaats waren voor studenten in bacheloropleidingen, die vaak meer theoretische studies omvatten, de centrale knooppunten "Gebruik" en "Assistentie". Deze studenten werden meer gedreven door de praktische toepassing van de instrumenten en hun perceptie van de waarde van de instrumenten. De studie suggereert dat de manier waarop studenten hun vaardigheden en zelfvertrouwen organiseren, afhangt van hun educatieve achtergrond.
Deze bevindingen bieden een duidelijk pad voor onderwijzers die de volgende generatie verpleegkundigen willen trainen. Omdat het geloof in "Assistentie" de kernmotor is, is de meest effectieve manier om zelfvertrouwen op te bouwen door studenten precies te laten zien hoe AI hen op reële, tastbare manieren kan helpen. Alleen het technisch onderwijzen van de stappen is niet genoeg; studenten moeten eerst de waarde zien. De studie suggerekt ook dat training op maat moet worden gemaakt. Voor studenten in kortere, praktische programma's moeten onderwijzers zich richten op het opbouwen van kritische denkvaardigheden, zodat studenten de output van AI zelfverzekerd kunnen beoordelen, terwijl ze ook een stressarme omgeving creëren om emotioneel comfort op te bouwen. Voor studenten in langere opleidingen moet de focus liggen op het verdiepen van hun operationele vaardigheden en het versterken van het idee dat AI een krachtige partner is in hun leerproces. Door precies te begrijpen hoe deze stukjes in elkaar passen, kunnen scholen stoppen met gissen en beginnen met het opzetten van trainingsprogramma's die verpleegkundigen werkelijk voorbereiden op een toekomst waarin kunstmatige intelligentie een standaard onderdeel is van hun dagelijkse werk.
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.