探索护士教育者和学生在发展中国家为学术目的使用大型语言模型:报告的不道德使用

科学领域:

• 护理教育 护理教育
• 教育中的人工智能
• 教育技术的教育技术

背景情况:

• 有限的实证研究存在于护理教育工作者和学生对大型语言模型 (LLM) 的利用,特别是在发展中国家.
• 了解当前的采用模式和挑战对于在学术环境中有效整合AI工具至关重要.

研究的目的:

• 在护士教育工作者和学生中调查大语言模型 (LLM) 的学术应用.
• 确定在护理教育中LLMs的用户和非用户所遇到的挑战和障碍.
• 探索在学术环境中使用LLM的潜在和伦理考虑.

主要方法:

• 一种混合方法方法,包括定量数据的描述性统计数据和定性数据的诱导性内容分析.
• 方便地抽取165名护士教育工作者和学生的样本,并为深入采访提供有目的的子样本.
• 数据收集包括社会人口统计信息,LLM使用经验,不使用原因和详细的挑战.

主要成果:

• 在165名参与者中,81人使用LLM进行写作和教育援助,而34人没有使用LLM,因为对传统方法的认识,信任或偏好有限.
• 报告的使用包括学术写作支持和学习辅助;然而,注意到不道德的使用,如在考试中作弊.
• 主要挑战包括难以使用的可用性,不准确的信息,过于复杂的内容和LLMs的功能限制.

结论:

• 大型语言模型 (LLM) 在护理教育中提供了机会和风险,包括不道德的使用潜力.
• 建议包括有针对性的宣传活动,全面的培训计划,明确的机构政策,以及努力提高LLM可靠性.
• 来自这个发展中国家背景的研究结果为更广泛的学科和全球地区提供了关于人工智能工具采用的可转移见解.