Heterogeneity in Nursing Students’ Artificial Intelligence Literacy: A Study of Self-Efficacy, Attitudes Toward Technology, and Ethical Concerns Based on Latent Profile Analysis
Este estudo utiliza a análise de perfis latentes em 522 estudantes de enfermagem na Mongólia Interior para identificar três subgrupos distintos de alfabetização em IA e revela que a autoeficácia, as atitudes em relação à IA e as preocupações éticas são preditores fundamentais desses perfis, defendendo, assim, intervenções educacionais estratificadas para aumentar a competência dos futuros enfermeiros na assistência à saúde impulsionada pela IA.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine que o mundo da saúde seja como uma enorme e movimentada nave espacial. Durante anos, a tripulação (enfermeiros e médicos) operou a nave usando mapas, bússolas e sua própria inteligência aguçada. Mas agora, um novo motor incrivelmente poderoso foi instalado: a Inteligência Artificial, ou IA. Isso não é apenas uma calculadora sofisticada; é um copiloto inteligente que pode ajudar a diagnosticar pacientes, monitorar seus sinais vitais e até sugerir planos de cuidados personalizados. Mas aqui está o detalhe: ter um supermotor não adianta se a tripulação não souber como pilotá-lo. A "literacia em IA" é o conjunto de habilidades necessárias para entender, usar e gerenciar eticamente essa nova tecnologia. Não se trata apenas de saber apertar botões; trata-se de entender como o motor pensa, confiar nele quando estiver certo e saber quando conferir seu trabalho. Como a futura tripulação desta nave espacial, os estudantes de enfermagem estão aprendendo a voar, mas será que todos estão na mesma rota de voo? Alguns podem ser pilotos especialistas, enquanto outros estão apenas olhando para os controles, confusos. Esta é a questão que os pesquisadores queriam responder: todos os estudantes de enfermagem estão aprendendo a voar esta nova nave da mesma maneira, ou existem diferentes tipos de aprendizes com diferentes forças e fraquezas?
Este estudo, conduzido por uma equipe da Universidade de Minzu de Mongлia Interior, decidiu parar de olhar para os estudantes de enfermagem como uma multidão única e borrada e, em vez disso, usou um microscópio estatístico especial chamado "Análise de Perfil Latente" para ver os grupos distintos escondidos dentro da classe. Pense nisso como separar um saco de peças de LEGO misturadas. Em vez de apenas contar quantos blocos vermelhos ou azuis existem (a forma antiga), eles olharam para como os blocos estavam realmente montados para encontrar três "modelos" distintos de estudantes.
Os pesquisadores entrevistaram 522 estudantes de enfermagem em dezembro de 2025. Eles perguntaram sobre suas habilidades de IA, o quanto se sentiam confiantes ao usar a IA (autoeficácia), suas atitudes em relação à tecnologia e o quanto estavam preocupados com o lado ético (como privacidade e viés). Os resultados revelaram que os estudantes não eram todos iguais; eles se dividiram em três grupos muito claros:
- O Grupo da "Fraqueza Fundamental" (42,25%): Estes são os estudantes que estão um pouco perdidos. Eles têm as pontuações mais baixas em todos os aspectos. Eles podem entender a ideia básica de IA, mas quando se trata de realmente usá-la em um cenário de enfermagem real, eles são os que mais têm dificuldade. São os passageiros que sabem que o avião tem um piloto automático, mas têm medo de tocar nos controles.
- O Grupo de "Desenvolvimento" (42,41%): Este é o grupo intermediário. Eles têm uma compreensão decente do básico e não têm medo de tentar coisas novas, mas ainda não são especialistas. São os membros da tripulação que conseguem voar o avião em tempo bom, mas podem ficar nervosos durante uma tempestade. Eles têm espaço para crescer.
- O Grupo de "Desenvolvimento Abrangente" (15,34%): Estes são os futuros capitães. Eles pontuam alto em tudo: conhecem a teoria, sentem confiança no uso das ferramentas e têm um forte domínio das regras éticas. Eles estão prontos para assumir o comando.
O estudo descobriu algo interessante sobre a parte de "Aplicação" da literacia em IA. Mesmo o grupo mais inteligente (15,34%) pontuou mais baixo no uso real das ferramentas em comparação ao seu conhecimento de ética e teoria. É como ter um piloto que conhece perfeitamente a física do voo, mas não teve tempo suficiente no cockpit para praticar o pouso. Os pesquisadores sugerem que isso ocorre porque as escolas de enfermagem costumam ensinar as ideias da IA, mas não oferecem prática prática suficiente com ferramentas clínicas reais.
Então, o que faz um estudante chegar ao grupo "Capitão" em vez do grupo "Passageiro Confuso"? O estudo sugere três ingredientes principais:
- Confiança (Autoeficácia): Estudantes que acreditavam que podiam usar a IA eram muito mais propensos a estar no grupo de alto desempenho. Se você acha que não consegue fazer, provavelmente não tentará e não melhorará.
- Atitude: Estudantes que tinham uma mente positiva e aberta em relação à tecnologia de IA eram mais propensos a serem os especialistas. Se você acha que a IA é assustadora ou inútil, não aprenderá a usá-la bem.
- Preocupações Éticas: Isto é um pouco complexo. Estudantes que se preocupavam muito com a ética da IA (como privacidade e justiça) tinham menos probabilidade de estar no grupo "Confuso". Parece que se importar com as regras ajuda a evitar o nível inferior. No entanto, apenas se preocupar com a ética não tornava alguém automaticamente um "Capitão". Você precisa da confiança e da atitude positiva também para chegar ao topo.
Os autores concluem que não podemos simplesmente ensinar todos da mesma maneira. Como os estudantes são tão diferentes, o ensino precisa ser personalizado. Os "Passageiros Confusos" precisam de treinamento básico e prática prática para construir sua base. O "Grupo Intermediário" precisa de mais exercícios baseados em cenários para refinar suas habilidades. E os "Capitães" devem ser desafiados com tarefas complexas de pesquisa e análise de dados. Ao combinar o estilo de ensino com o "nível de voo" atual do estudante, as escolas de enfermagem podem garantir que, quando esses estudantes se formarem, estejam todos prontos para voar de forma segura e eficaz o futuro da saúde.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.