生成性人工智能伦理工具包用于护理教育中的临床优先级

科学领域:

• 护理教育 护理教育
• 人工智能伦理学 人工智能伦理学
• 医疗信息学 医疗信息学

背景情况:

• 在护理教育中采用生成人工智能 (GenAI) 引发了伦理方面的担忧,特别是在临床优先考虑方面.
• 现有的人工智能素养资源缺乏对GenAI风险的护理特定指导,如偏见,不公平和错误信息.
• 只有有限的工具可以支持GenAI辅助护理决策中的伦理推理.

研究的目的:

• 将一个跨学科的人工智能伦理工具包适应为护理专用小工具包用于教育用途.
• 整合伦理框架 (Rest的,网络伦理,Chan的生态模型) 进行全面的伦理推理.
• 开发可操作的教学工具,以应对GenAI在护理方面的伦理挑战.

主要方法:

• 通过使用三个互补的伦理框架,调整了一个开放访问的人工智能伦理学习工具包.
• 综合Rest的四个组成部分模型 (学习者层面),网络伦理原则 (专业层面) 和Chan的生态模型 (机构层面).
• 开发的案例简介,反思提示和教师评估标题专注于GenAI优先级场景.

主要成果:

• 创建了一个以护理为重点的迷你工具包,在个人,专业和系统领域构建伦理推理.
• 该工具包促进对GenAI的批判性评估,促进对话和专业判断.
• 它为识别偏见和确保GenAI使用中的问责制提供了结构化的机会.

结论:

• 迷你工具包将抽象的伦理原则转化为护理教育的可操作的教学工具.
• 它使教师和学生成为GenAI的关键评价者,维护护士对公平和患者护理的承诺.
• 这种方法提供了一个适应跨学科框架的模型,用于护理特定的人工智能伦理应用.