介護教育における健康評価とコミュニケーション訓練のための生成的,事前訓練されたトランスフォーマーベースの仮想患者の使用:混合方法の研究

科学分野:

• 介護教育
• 医療における人工知能
• 仮想学習環境

背景:

• 従来の看護訓練方法には 費用,時間,心理的苦痛などの限界があります.
• GPTは,教育上の応用のために人間のような対話能力を提供します.
• GPTは従来の看護教育における課題を克服するための新しいアプローチを提示します.

研究 の 目的:

• 介護教育におけるGPTベースの仮想患者の有効性を評価する.
• ユーザビリティ,学習環境の認識,そしてコミュニケーションにおける自己効率性を評価する.
• GPTベースの仮想患者シミュレーションにおける参加者の経験と改善の分野を特定する.

主な方法:

• ミックスメソッドの設計が採用された.
• 28人の将来の看護師は,頭上にマウントされたディスプレイを使用して急性炎をシミュレートするGPTベースの仮想患者とやり取りしました.
• ユーザビリティ,仮想学習環境の認識,コミュニケーションの自己有効性,対話の質を定量的に分析した.

主要な成果:

• 機能や仮想学習環境のアクセシビリティについて高いスコアが報告されました.
• コミュニケーションの自己有効性の統計的に有意な増加が観察された (p=. 009).
• 参加者のフィードバックは,技術的な限界と並行して教育上の利点を示し,対話の読みやすさが高く,正確性が低いと評価されました.

結論:

• GPTベースの仮想患者は,看護教育の強化,特にコミュニケーションスキルと没入の改善に希望を示しています.
• この研究は,GPTが学習者の自信と関与を高める大きな可能性を示しています.
• 技術的な限界に対処し,より効果的なシミュレーションのためにダイアログの精度を向上させるため,さらなる開発が推奨されています.