📊 statistics

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

Deze studie heeft een betrouwbare, 19-items tellende schaal met drie factoren ontwikkeld en gevalideerd om effectief de kennis, houdingen, acceptatie en het vertrouwen van vrouwen met betrekking tot op AI gebaseerde chatbot-systemen in de context van preconceptie-advies te beoordelen.

Oorspronkelijke auteurs: Ebru Cirban Ekrem, Güleser Ada

Gepubliceerd 2026-07-20

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Ebru Cirban Ekrem, Güleser Ada

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 je probeert te leren hoe je de perfecte taart bakt, maar in plaats van een menselijke bakker te vragen, besluit je een super-slimme robot te vragen. Deze robot, aangedreven door Kunstmatige Intelligentie (AI), kan met je chatten, je vragen beantwoorden en je direct recepten geven. Dit is de wereld van "digitale gezondheid", waar computers proberen ons te helpen betere keuzes te maken over onze lichamen. Maar hier komt de lastige kant aan: alleen omdat een robot kan praten, betekent dat niet dat we hem vertrouwen. We moeten ons afvragen: vertelt de robot de waarheid? Houdt hij onze geheimen veilig? En weten we überhaupt wel genoeg over hoe robots werken om ze correct te gebruiken?

Dit is vooral belangrijk wanneer het onderwerp zo gevoelig is als "preconceptie-counseling". Zie dit als de "pre-game" voor het krijgen van een baby. Het is de tijd waarin mensen plannen voor een toekomstig gezin, waarbij ze leren over gezonde gewoonten, voeding en risico's voordat ze überhaupt zwanger worden. Het is een groot ding, want wat er nu gebeurt, kan de gezondheid van een baby jaren later beïnvloeden. Maar goed advies krijgen is niet altijd gemakkelijk; soms zijn er niet genoeg artsen, of kunnen mensen het zich niet veroorloven om een arts te bezoeken. Dus vragen wetenschappers zich af: zouden deze AI-chatbots de behulpzame zijwagentjes kunnen zijn die we nodig hebben? Om dat te ontdekken, moeten we eerst weten wat gewone mensen over hen vinden. Voelen ze zich enthousiast? Bang? Of gewoon verward?

De Robot Recept Test: Het Meten van Vertrouwen in een Chatbot

Twee onderzoekers, Ebru en Güleser, besloten een speciale "liniaal" te bouwen om precies te meten hoe vrouwen over deze AI-chatbots denken als het gaat om het plannen van een baby. Ze vroegen niet alleen een paar vrienden; ze creëerden een wetenschappelijk instrument genaamd de PC-AICBS-KAS (wat een mond vol is, dus laten we het gewoon de "Robot Vertrouws-Liniaal" noemen).

Ze verzamelden een groep van 474 vrouwen, allemaal tussen de 18 en 45 jaar oud, en vroegen hen een online enquête in te vullen. Om te controleren of hun liniaal nauwkeurig was, splitsten ze de groep in tweeën. Ze gebruikten de eerste helft om te bepalen hoe de liniaal eruit moest zien (zoals het schetsen van een kaart) en de tweede helft om te testen of de kaart daadwerkelijk werkte (zoals het bewandelen van het pad om te zien of het ergens naartoe leidt).

Wat kwamen ze tegen?
De liniaal bleek een geweldig instrument te zijn, en het mat drie verschillende dingen, zoals drie verschillende smaken in een ijsje:

De "Ik wil het gebruiken"-smaak (Acceptatie en Intentie): Dit meet hoeveel iemand de chatbot daadwerkelijk wil gebruiken. Voelen ze zich comfortabel bij het stellen van vragen over gewicht, lichaamsbeweging of voeding? De studie vond dat veel vrouwen openstonden voor het idee en de AI zagen als een ondersteunende gids in plaats van een eng vervanging voor een menselijke arts.
De "Ik weet wat het is"-smaak (Kennis en Bewustzijn): Dit controleert of mensen daadwerkelijk begrijpen wat de robot wel en niet kan. Weten ze dat de AI informatie kan geven over gezond eten, maar geen advies van een echte arts kan vervangen? De studie toonde aan dat weten wat de beperkingen van de robot zijn, een groot deel is van of mensen het vertrouwen.
De "Is dit veilig?"-smaak (Kritische Evaluatie en Vertrouwen): Dit is het meest serieuze deel. Het meet of mensen sceptisch genoeg zijn om de antwoorden van de robot te controleren. De vrouwen in de studie waren over het algemeen het erover eens dat AI nuttig is, maar ze geloofden ook sterk dat het advies van de robot nooit het enige mag zijn waar ze naar luisteren. Ze willen de informatie verifiëren en ervoor zorgen dat hun privacy beschermd is.

Het Getallenspel
De onderzoekers testten hun liniaal op 237 vrouwen voor het eerste deel en op nog eens 237 vrouwen voor het tweede deel. De definitieve liniaal heeft 19 vragen. Toen ze de antwoorden analyseerden, ontdekten ze dat deze drie "smaken" 63,16% van de verschillen in hoe mensen zich voelen, verklaarden. Dat is een groot deel van het plaatje!

Ze controleerden ook of de liniaal consistent was. Stel je voor dat je jezelf vijf keer achter elkaar weegt en vijf totaal verschillende getallen krijgt; die weegschaal zou kapot zijn. Maar deze liniaal was zeer stabiel. De score voor "interne consistentie" was 0,942 (op een schaal waarbij hoger beter is), wat betekent dat als je dezelfde vragen opnieuw zou stellen, je zeer vergelijkbare resultaten zou krijgen.

De "Digitale Geletterdheid" Connectie
Hier is een leuke twist: de onderzoekers controleerden ook hoe goed deze vrouwen in het algemeen zijn met technologie (dit wordt "Digitale Gezondheidsgeletterdheid" genoemd). Ze vonden een link: hoe beter een vrouw was in het navigeren op het internet en het controleren of online informatie echt was, hoe positiever zij stond tegenover het gebruik van de AI-chatbot. Het is also os zeggen: "Als je weet hoe je een nepsite herkent, ben je eerder geneigd een behulpzame robot te vertrouwen." De connectie was niet supersterk, maar die was er wel degelijk, met een score van 0,265.

Wat de Liniaal Niet Zegt
Het is belangrijk om te weten wat deze studie niet heeft bewezen. De onderzoekers zeiden niet dat AI-chatbots perfect zijn of dat iedereen ze nu meteen moet gebruiken. Sterker nog, de studie benadrukt dat mensen voorzichtig zijn. Ze zien de robot niet als een vervanging voor een verpleegkundige of een arts; ze zien het als een helper. De studie testte ook geen mannen, dus we weten niet of mannen hetzelfde voelen. En omdat ze mensen alleen op één specifiek moment naar hun mening vroegen, kunnen ze nog niet met zekerheid zeggen dat het gebruiken van de chatbot er ook daadwerkelijk voor zorgt dat mensen gezondere baby's krijgen.

De Belangrijkste Conclusie
Dit paper is als het overhandigen van een nieuwe, glimmende meetlint aan wetenschappers en artsen. Voorheen hadden zij geen goede manier om te vragen: "Vertrouw je deze robot?" Nu hebben ze een instrument met 19 vragen dat hen precies kan vertellen wat vrouwen denken, wat ze weten en waar ze zich zorgen over maken. Het suggereert dat als we willen dat AI helpt bij gezinsplanning, we niet alleen coole technologie moeten bouwen; we moeten ook vertrouwen opbouwen, mensen leren hoe ze het moeten gebruiken, en ervoor zorgen dat ze weten dat het slechts een zijwagentje is, en niet de hoofdheld.

Technische Samenvatting: Ontwikkeling en Validatie van de PC-AICBS-KAS

Probleemstelling
Preconceptie-begeleiding is een cruciale periode voor het aanpassen van risicofactoren om de moederlijke en neonatale uitkomsten te verbeteren. De wereldwijde dienstverlening blijft echter ongelijk verdeeld, vaak gehinderd door personeelstekorten en een lage gezondheidsgeletterdheid. Hoewel door kunstmatige intelligentie (AI) gebaseerde chatbot-systemen schaalbare oplossingen bieden voor gepersonaliseerde gezondheidsinformatie, brengt de integratie ervan in gevoelige contexten rond de reproductieve gezondheid aanzienlijke uitdagingen met zich mee. De bestaande literatuur mist meetinstrumenten die specifiek zijn aangepast om de kennis en houding van vrouwen tegenover AI-chatbots in de preconceptie-begeleiding te beoordelen. Huidige schalen richten zich op algemene technologische acceptatie, maar slagen er niet in om contextuele determinanten zoals ethische sensitiviteit, privacyverwachtingen en de specifieke besluitvormingsbelasting die gepaard gaat met de reproductieve gezondheid te vatten. Bijgevolg is er een methodologische kloof in het nauwkeurig evalueren van gebruikersperspectieven, vertrouwen en de intentie om deze systemen te gebruiken binnen dit specifieke klinische domein.

Methodologie
Deze studie maakte gebruik van een methodologisch schaalontwikkelingsontwerp dat werd uitgevoerd tussen februari en april 2026. Het proces volgde de stadia van DeVellis (2021) voor schaalontwikkeling en bestond uit drie afzonderlijke fasen:

Itemgeneratie en Inhoudsvaliditeit: Een conceptversie van 30 items werd gegenereerd op basis van literatuur en deskundige input. Dertien experts op doctoraal niveau binnen de verloskunde en verpleegkunde evalueerden de items met behulp van een vierpuntige relevantieschaal. De Lawshe-techniek werd toegepast om de Content Validity Ratio (CVR) en de Content Validity Index (CVI) te berekenen. Zeven items werden uitgesloten op basis van ongunstige beoordelingen, wat resulteerde in een conceptversie van 23 items. Cognitieve testen met 10 vrouwen bevestigden de duidelijkheid van de items.
Gegevensverzameling en Steekproef: De conceptschaal werd via sociale mediakanalen (Instagram, Facebook, Twitter) toegediend aan 474 vrouwen van 18 jaar en ouder via een sneeuwbalrekruteringsstrategie. De steekproef werd willekeurig gesplitst in twee onafhankelijke groepen: Steekproef 1 ( $n=237$ ) voor Exploratoire Factoranalyse (EFA) en Steekproef 2 ( $n=237$ ) voor Bevestigende Factoranalyse (CFA). De gegevensverzameling omvatte een Formulier voor Demografische Informatie, de nieuwe schaal (PC-AICBS-KAS) en de Digital Health Literacy Scale (DHLS) om de criteriumvaliditeit te beoordelen.
Psychometrische Evaluatie:
- Constructvaliditeit: Beoordeeld via EFA (met behulp van Principal Component Analysis met Varimax-rotatie) en CFA (met behulp van Maximum Likelihood-schatting in AMOS 24.0). De modelpassing werd geëvalueerd met indices waaronder $\chi^2/df$ , RMSEA, CFI, TLI en GFI.
- Betrouwbaarheid: Interne consistentie werd gemeten met behulp van Cronbach's alfa ( $\alpha$ ) en McDonald's omega ( $\omega$ ).
- Criteriumvaliditeit: Onderzocht via Pearson correlatiecoëfficiënten tussen de nieuwe schaal en de DHLS.

Belangrijkste Bijdragen en Resultaten
De studie heeft succesvol de Knowledge and Attitude Scale Toward AI-Based Chatbot Systems in Preconception Counseling (PC-AICBS-KAS) ontwikkeld en gevalideerd.

Factorstructuur: Het definitieve instrument bestaat uit 19 items verdeeld over drie subdimensies:
1. Acceptatie en Intentie tot Gebruik: Weerspiegelt de bereidheid van de gebruiker om AI te gebruiken voor preconceptie-begeleiding.
2. Kennis en Bewustzijn: Beoordeelt het begrip van AI-mogelijkheden met betrekking tot levensstijl, voeding en risicofactoren.
3. Kritische Evaluatie en Vertrouwen: Evalueert het vermogen van de gebruiker om AI-informatie kritisch te beoordelen, bronnen te verifiëren en het systeem te vertrouwen zonder het als vervanging voor professionals te zien.
Validiteitsmetrieken:
- De driefactorenstructuur verklaarde 63,16% van de totale variantie.
- CFA-resultaten duidden op een aanvaardbare modelpassing: $\chi^2/df = 2,668$ , RMSEA = 0,084, CFI = 0,928 en TLI = 0,914.
- De inhoudsvaliditeit was statistisch adequaat met een CVI van 0,95.
Betrouwbaarheidsmetrieken: De schaal vertoonde een hoge interne consistentie, met een totale Cronbach's $\alpha$ van 0,942 en een McDonald's $\omega$ van 0,946. De coëfficiënten van de subdimensies varieerden van 0,770 tot 0,925.
Criteriumvaliditeit: Er werd een statistisch significante positieve correlatie gevonden tussen de totale score van de PC-AICBS-KAS en de Digital Health Literacy Scale (DHLS) ( $r = 0,265, p < 0,01$ ), wat de validiteit van de schaal in relatie tot digitale competentie ondersteunt.

Betekenis en Claims
De auteurs beweren dat de PC-AICBS-KAS een valide en betrouwbaar instrument is voor de multidimensionale evaluatie van de perspectieven van vrouwen op AI-chatbots in de preconceptie-begeleiding. De studie stelt dat de schaal een kritieke kloof in de literatuur opvult door verder te gaan dan algemene technologische acceptatie en specifieke contextuele factoren zoals kritische evaluatie, vertrouwen en ethische sensitiviteit op te nemen.

De bevindingen suggereren dat de acceptatie van AI in dit domein niet uitsluitend wordt gedreven door waargenomen nut, maar dynamisch wordt gevormd door kennisniveaus, het vermogen om informatie kritisch te evalueren en digitale gezondheidsgeletterdheid. De auteurs benadrukken dat de schaal een praktisch hulpmiddel biedt voor verpleegkundigen, verloskundigen en beleidsmakers om:

Educatieve behoeften met betrekking tot AI in de reproductieve gezondheid te beoordelen.
Gerichte interventies te ontwerpen om het digitale gezondheidsbewustzijn te verbeteren.
De implementatie van AI-systemen te begeleiden als ondersteunende instrumenten in plaats van vervangingen voor zorgprofessionals.

De studie concludeert dat hoewel de schaal robuust is, de generaliseerbaarheid verdere validatie vereist in verschillende culturele contexten en populaties, inclusief mannen, en dat toekomstig onderzoek de beperkingen van de dwarsdoorsnede-opzet (cross-sectional design) en zelfgerapporteerde gegevens moet adresseren.

De Robot Recept Test: Het Meten van Vertrouwen in een Chatbot

Meer zoals dit