📊 statistics

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

Este estudo desenvolveu e validou uma escala confiável de 19 itens e três fatores para avaliar eficazmente o conhecimento, as atitudes, a aceitação e a confiança das mulheres em relação aos sistemas de chatbot baseados em IA no contexto do aconselhamento pré-concepcional.

Autores originais: Ebru Cirban Ekrem, Güleser Ada

Publicado 2026-07-20

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Ebru Cirban Ekrem, Güleser Ada

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 você está tentando aprender a fazer o bolo perfeito, mas em vez de perguntar a um confeiteiro humano, você decide perguntar a um robô superinteligente. Este robô, movido por Inteligência Artificial (IA), pode conversar com você, responder às suas perguntas e fornecer receitas instantaneamente. Este é o mundo da "saúde digital", onde computadores tentam nos ajudar a fazer escolhas melhores sobre nossos corpos. Mas aqui está a parte complicada: só porque um robô pode falar, não significa que nós confiamos nele. Temos que nos perguntar: o robô está dizendo a verdade? Ele manterá nossos segredos seguros? E será que sabemos o suficiente sobre como os robôs funcionam para usá-los corretamente?

Isso é especialmente importante quando o assunto é algo tão delicado quanto o "aconselhamento pré-concepcional". Pense nisso como o "pré-jogo" para ter um bebê. É o momento em que as pessoas planejam uma futura família, aprendendo sobre hábitos saudáveis, nutrição e riscos antes mesmo de ficarem grávidas. É algo muito importante porque o que acontece agora pode afetar a saúde de um bebê anos depois. Mas obter bons conselhos nem sempre é fácil; às vezes não há médicos suficientes ou as pessoas não têm condições financeiras para consultá-los. Por isso, os cientistas estão perguntando: esses chatbots de IA poderiam ser os ajudantes que precisamos? Para descobrir, primeiro precisamos saber o que as pessoas comuns pensam sobre eles. Elas se sentem animadas? Assustadas? Ou apenas confusas?

O Teste da Receita do Robô: Medindo a Confiança em um Chatbot

Duas pesquisadoras, Ebru e Güleser, decidiram construir uma "régua" especial para medir exatamente como as mulheres se sentem em relação a esses chatbots de IA quando o assunto é o planejamento de um bebê. Elas não perguntaram apenas a alguns amigos; elas criaram uma ferramenta científica chamada PC-AICBS-KAS (que é um nome difícil de pronunciar, então vamos chamá-la de "Régua de Confiança do Robô").

Elas reuniram um grupo de 474 mulheres, todas entre 18 e 45 anos, e pediram que preenchessem um questionário online. Para garantir que sua régua fosse precisa, elas dividiram o grupo ao meio. Usaram a primeira metade para descobrir como a régua deveria ser (como desenhar um mapa) e a segunda metade para testar se o mapa realmente funcionava (como percorrer o caminho para ver se ele leva a algum lugar).

O que elas descobriram?
A régua revelou-se uma ótima ferramenta e mediu três coisas distintas, como três sabores diferentes em uma casquinha de sorvete:

O Sabor "Eu Quero Usar" (Aceitação e Intenção): Isso mede o quanto alguém realmente quer usar o chatbot. Elas se sentem confortáveis em fazer perguntas sobre peso, exercícios ou nutrição? O estudo descobriu que muitas mulheres estavam abertas à ideia, vendo a IA como um guia de apoio, em vez de um substituto assustador para um médico humano.
O Sabor "Eu Sei o Que É" (Conhecimento e Consciência): Isso verifica se as pessoas realmente entendem o que o robô pode e não pode fazer. Elas sabem que a IA pode fornecer informações sobre alimentação saudável, mas não pode substituir o conselho de um médico real? O estudo mostrou que saber os limites do robô é uma parte fundamental de por que as pessoas confiam nele.
O Sabor "Isso é Seguro?" (Avaliação Crítica e Confiança): Esta é a parte mais séria. Mede se as pessoas são céticas o suficiente para verificar as respostas do robô. As mulheres no estudo concordaram, de modo geral, que a IA é útil, mas também acreditaram fortemente que o conselho do robô nunca deve ser a única coisa que elas devem ouvir. Elas querem verificar a informação e garantir que sua privacidade seja protegida.

O Jogo dos Números
As pesquisadoras testaram sua régua em 237 mulheres para a primeira parte e em outras 237 para a segunda. A régua final tem 19 perguntas. Quando analisaram as respostas, descobriram que esses três "sabores" explicavam 63,16% das diferenças na forma como as pessoas se sentem. Isso é muita coisa explicada!

Elas também verificaram se a régua era consistente. Imagine se você se pesasse cinco vezes seguidas e obtivesse cinco números totalmente diferentes; essa balança estaria quebrada. Mas esta régua era muito estável. A pontuação de "consistência interna" foi de 0,942 (em uma escala onde quanto maior, melhor), o que significa que, se você fizesse as mesmas perguntas novamente, obteria resultados muito semelhantes.

A Conexão com a "Letramento Digital"
Aqui está uma reviravolta interessante: as pesquisadoras também verificaram o quão boas essas mulheres eram ao usar a tecnologia em geral (chamado de "Letramento em Saúde Digital"). Elas encontraram uma ligação: quanto melhor a mulher era em navegar pela internet e verificar se as informações online eram reais, mais positiva ela era em relação ao uso do chatbot de IA. É como dizer: "Se você sabe identificar um site falso, é mais provável que confie em um robô útil". A conexão não era super forte, mas definitivamente existia, com uma pontuação de 0,265.

O Que a Régua Não Diz
É importante saber o que este estudo não provou. As pesquisadoras não disseram que os chatbots de IA são perfeitos ou que todos devem usá-los agora mesmo. Na verdade, o estudo destaca que as pessoas são cautelosas. Elas não veem o robô como um substituto para um enfermeiro ou médico; elas o veem como um ajudante. O estudo também não testou homens, portanto, não sabemos se os homens sentem o mesmo. E como elas apenas perguntaram às pessoas o que elas pensavam em um determinado momento, elas não podem afirmar com certeza que o uso do chatbot causa bebês mais saudáveis ainda.

A Grande Conclusão
Este artigo é como entregar aos cientistas e médicos uma nova e brilhante fita métrica. Antes, eles não tinham uma boa maneira de perguntar: "Você confia neste robô?". Agora, eles têm uma ferramenta com 19 perguntas que pode dizer exatamente o que as mulheres pensam, o que elas sabem e do que elas têm medo. Isso sugere que, se quisermos que a IA ajude no planejamento familiar, não podemos apenas construir uma tecnologia legal; temos que construir confiança, ensinar as pessoas como usá-la e garantir que saibam que ela é apenas um ajudante, não o herói principal.

Resumo Técnico: Desenvolvimento e Validação do PC-AICBS-KAS

Problema de Pesquisa
O aconselhamento pré-concepcional é um período crítico para a modificação de fatores de risco visando melhorar os desfechos maternos e neonatais. No entanto, a prestação de serviços globais permanece desigual, frequentemente dificultada por restrições da força de trabalho e baixa literacia em saúde. Embora sistemas de chatbots baseados em Inteligência Artificial (IA) ofereçam soluções escaláveis para informações de saúde personalizadas, sua integração em contextos sensíveis de saúde reprodutiva apresenta desafios significativos. A literatura existente carece de ferramentas de medição especificamente adaptadas para avaliar o conhecimento e as atitudes das mulheres em relação aos chatbots de IA no aconselhamento pré-concepcional. As escalas atuais abordam a aceitação tecnológica geral, mas falham em capturar determinantes contextuais, como sensibilidades éticas, expectativas de privacidade e as cargas específicas de tomada de decisão associadas à saúde reprodutiva. Consequentemente, há uma lacuna metodológica na avaliação precisa das perspectivas, confiança e intenção de uso desses sistemas dentro deste domínio clínico específico.

Metodologia
Este estudo empregou um design de desenvolvimento de escala metodológica realizado entre fevereiro e abril de 2026. O processo seguiu as etapas de DeVellis (2021) para o desenvolvimento de escalas e envolveu três fases distintas:

Geração de Itens e Validade de Conteúdo: Um rascunho de 30 itens foi gerado com base na literatura e no aporte de especialistas. Treze especialistas de nível doutoral em obstetrícia e enfermagem avaliaram os itens utilizando uma escala de relevância de quatro pontos. A técnica de Lawshe foi aplicada para calcular a Razão de Validade de Conteúdo (CVR) e o Índice de Validade de Conteúdo (CVI). Sete itens foram excluídos com base em avaliações desfavoráveis, resultando em um rascunho de 23 itens. Testes cognitivos com 10 mulheres confirmaram a clareza dos itens.
Coleta de Dados e Amostragem: A escala preliminar foi administrada a 474 mulheres com 18 anos ou mais via canais de redes sociais (Instagram, Facebook, Twitter) utilizando uma estratégia de recrutamento de bola de neve. A amostra foi dividida aleatoriamente em dois grupos independentes: Amostra 1 ( $n=237$ ) para Análise Fatorial Exploratória (AFE) e Amostra 2 ( $n=237$ ) para Análise Fatorial Confirmatória (AFC). A coleta de dados incluiu um Formulário de Informações Descritivas, a nova escala (PC-AICBS-KAS) e a Escala de Literacia em Saúde Digital (DHLS) para avaliar a validade de critério.
Avaliação Psicométrica:
- Validade de Construto: Avaliada via AFE (usando Análise de Componentes Principais com rotação Varimax) e AFC (usando estimativa de Máxima Verossimilhança no AMOS 24.0). O ajuste do modelo foi avaliado por meio de índices, incluindo $\chi^2/df$ , RMSEA, CFI, TLI e GFI.
- Confiabilidade: A consistência interna foi medida utilizando o alfa de Cronbach ( $\alpha$ ) e o ômega de McDonald ( $\omega$ ).
- Validade de Critério: Examinada através de coeficientes de correlação de Pearson entre a nova escala e a DHLS.

Principais Contribuições e Resultados
O estudo desenvolveu e validou com sucesso a Escala de Conhecimento e Atitude em relação aos Sistemas de Chatbot Baseados em IA no Aconselhamento Pré-concepcional (PC-AICBS-KAS).

Estrutura Fatorial: O instrumento final consiste em 19 itens organizados em três subdimensões:
1. Aceitação e Intenção de Uso: Reflete a disposição do usuário em interagir com a IA para orientação pré-concepcional.
2. Conhecimento e Consciência: Avalia a compreensão das capacidades da IA em relação ao estilo de vida, nutrição e fatores de risco.
3. Avaliação Crítica e Confiança: Avalia a capacidade do usuário de avaliar criticamente as informações da IA, verificar fontes e confiar no sistema sem vê-lo como um substituto para profissionais.
Métricas de Validade:
- A estrutura de três fatores explicou 63,16% da variância total.
- Os resultados da AFC indicaram um ajuste de modelo aceitável: $\chi^2/df = 2,668$ , RMSEA = 0,084, CFI = 0,928 e TLI = 0,914.
- A validade de conteúdo foi estatisticamente adequada com um CVI de 0,95.
Métricas de Confiabilidade: A escala demonstrou alta consistência interna, com um alfa de Cronbach total de 0,942 e ômega de McDonald de 0,946. Os coeficientes das subdimensões variaram de 0,770 a 0,925.
Validade de Critério: Foi encontrada uma correlação positiva estatisticamente significativa entre a pontuação total da PC-AICBS-KAS e a Escala de Literacia em Saúde Digital (DHLS) ( $r = 0,265, p < 0,01$ ), sustentando a validade da escala em relação à competência digital.

Significância e Alegações
Os autores afirmam que a PC-AICBS-KAS é um instrumento válido e confiável para a avaliação multidimensional das perspectivas das mulheres sobre chatbots de IA no aconselhamento pré-concepcional. O estudo postula que a escala aborda uma lacuna crítica na literatura ao ir além da aceitação tecnológica geral para incluir fatores contextuais específicos, como avaliação crítica, confiança e sensibilidade ética.

Os achados sugerem que a aceitação do usuário de IA neste domínio não é impulsionada apenas pela utilidade percebida, mas é moldada dinamicamente pelos níveis de conhecimento, pela capacidade de avaliar criticamente a informação e pela literacia em saúde digital. Os autores enfatizam que a escala fornece uma ferramenta prática para enfermeiros, obstetras e formuladores de políticas para:

Avaliar as necessidades educacionais relativas à IA na saúde reprodutiva.
Desenvolver intervenções direcionadas para melhorar a consciência de saúde digital.
Guiar a implementação de sistemas de IA como ferramentas de suporte, em vez de substitutos para os profissionais de saúde.

O estudo conclui que, embora a escala seja robusta, sua generalização requer validação adicional em diferentes contextos culturais e populações, incluindo homens, e que pesquisas futuras devem abordar as limitações do delineamento transversal e dos dados autorrelatados.

O Teste da Receita do Robô: Medindo a Confiança em um Chatbot

Mais como este