مقاله ترجمه شده مواجهه نقادانه دانشجویان پرستاری با هوش مصنوعی مولد در آموزش مبتنی بر شواهد: یک مطالعه توصیفی کیفی

سال نشر: ۲۰۲۷

نوع نگارش مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی:  ۹  صفحه PDF

تعداد صفحه ترجمه فارسی:  ۴۴  صفحه WORD

دانلود رایگان مقاله انگلیسی

کد محصول: M2155

نام ناشر (پایگاه داده): الزویر

نام مجله:  Nurse Education Today

عنوان کامل فارسی:

مقاله ترجمه شده ۲۰۲۷ مواجهه نقادانه دانشجویان پرستاری با هوش مصنوعی مولد در آموزش مبتنی بر شواهد: یک مطالعه توصیفی کیفی

عنوان کامل انگلیسی:

Nursing students’ critical engagement with generative AI in evidence-based practice education: A qualitative descriptive study

چکیده فارسی:

پیشینه: ادغام سریع هوش مصنوعی مولد (GenAI) در آموزش پرستاری، هم فرصت‌ها و هم چالش‌هایی را به همراه دارد؛ بااین‌حال، شواهد تجربی درباره مواجهه نقادانه دانشجویان با محتوای تولیدشده توسط هوش مصنوعی در چارچوب‌های ارزشیابی، همچنان محدود است.

هدف: بررسی دیدگاه‌ها و تأملات دانشجویان کارشناسی پرستاری هنگام مقایسه خلاصه‌های مبتنی بر شواهدی که خودشان تهیه کرده‌اند با پاسخ‌های تولیدشده توسط هوش مصنوعی، در پاسخ به پرسش‌های پژوهشی بالینی یکسان.

روش‌ها: این مطالعه با رویکرد توصیفی کیفی و از طریق بررسی گذشته‌نگر ۴۹۷ تکلیف ارسالی دانشجویان کارشناسی پرستاری در یکی از دانشگاه‌های استرالیا انجام شد. دانشجویان ابتدا یک سؤال پژوهشی مطرح کردند، شواهد علمی منتشرشده در مجلات داوری‌شده را گردآوری و جمع‌بندی کردند، سپس همان سؤال را از یک ابزار هوش مصنوعی پرسیدند و در نهایت، تفاوت پاسخ‌های خود با پاسخ هوش مصنوعی را به‌صورت انتقادی بررسی کردند. داده‌ها با استفاده از تحلیل محتوای کیفی و تحلیل مضمون بررسی شدند.

یافته‌ها: چهار مضمون شناسایی شد: ۱٫ اعتبار، کیفیت شواهد و دقت علمی. دانشجویان منابع ساختگی، اطلاعات قدیمی و نبود ارجاع به منابع داوری‌شده را از مهم‌ترین محدودیت‌های هوش مصنوعی دانستند. آن‌ها همچنین به محدودیت‌های الگوریتمی هوش مصنوعی و دشواری بررسی صحت پاسخ‌های آن، بدون داشتن دانش قبلی درباره موضوع، اشاره کردند؛ ۲٫ تفکر انتقادی، عمق تحلیل و هوش انسانی. از دیدگاه دانشجویان، هوش مصنوعی نمی‌تواند مانند انسان، استدلال متناسب با شرایط و زمینه موضوع انجام دهد یا اطلاعات حاصل از چندین منبع را به‌درستی با یکدیگر ترکیب کند؛ ۳٫ کارایی، دسترس‌پذیری و کاربرد عملی. سرعت و وضوح هوش مصنوعی برای ایده‌پردازی و تعیین محدوده اولیه موضوع ارزشمند تلقی شد؛ و ۴٫ هویت دانشجویی، یادگیری و رشد حرفه‌ای: دانشجویان بر این باور بودند که انجام پژوهش به‌صورت دستی و عملی، بخش مهمی از فرایند شکل‌گیری هویت حرفه‌ای یک پرستار مسئولیت‌پذیر و پایبند به شواهد علمی است.

نتیجه‌گیری: این مطالعه نشان می‌دهد که تکالیف ساختاریافته مبتنی بر مقایسه با هوش مصنوعی، فرصتی برای توسعه سواد هوش مصنوعی و سواد سلامت دیجیتال در دانشجویان پرستاری فراهم می‌کنند. دانشجویان نه به‌صورت ساده‌انگارانه هوش مصنوعی را می‌پذیرند و نه به‌طور واکنشی آن را رد می‌کنند، بلکه به‌صورت فعالانه در تلاش هستند تا جایگاه آن را در چارچوب‌های اخلاقی آموزش پرستاری درک کنند. این یافته‌ها به ادغام هوش مصنوعی در آموزش پرستاری کمک می‌کنند و راهنمایی‌های عملی برای مدرسانی ارائه می‌دهند که در پی حمایت از فارغ‌التحصیلانی هستند که از رویکردی انتقادی نسبت به هوش مصنوعی برخوردار بوده و برای بهره‌گیری از کارایی این ابزارها آمادگی کافی دارند.

واژگان کلیدی: هوش مصنوعی مولد؛ آموزش پرستاری؛ تأمل انتقادی؛ عملکرد مبتنی بر شواهد؛ سواد سلامت دیجیتال؛ مقطع کارشناسی پرستاری.

Abstract

Background: The rapid integration of generative artificial intelligence (GenAI) into nursing education presents both opportunities and challenges, yet empirical evidence on students’ critical engagement with AI-generated content within assessment contexts remains limited. Aim: To examine undergraduate nursing students’ reflections when comparing their own evidence-based summaries with AI-generated outputs in response to the same clinical research questions.

Methods: A qualitative descriptive design was employed using retrospective analysis of 497 assessment submissions from an undergraduate nursing cohort at an Australian university. Students formulated a research question, synthesised peer-reviewed evidence, submitted the same question to an AI tool, and critically reflected on the comparison. Data were analysed using qualitative content analysis and thematic analysis.

Results: Four themes were identified: 1. Credibility, quality of evidence and academic rigour. Students identified fabricated references, outdated information, and absence of peer-reviewed sourcing as key limitations. Additionally, students reflected on algorithmic limitations and the challenge of verifying AI outputs without prior topic knowledge; 2. Critical thinking, depth of analysis, and human intelligence. AI was perceived as unable to replicate contextual reasoning or multi-source synthesis; 3. Efficiency, accessibility, and practical utility. AI’s speed and clarity were valued for brainstorming and initial scoping; and 4. Student identity, learning, and professional development were shaped by the view that engaging in manual, hands-on research was integral to forming a safe, evidence-informed nursing identity.

Conclusion: This study suggests that structured AI-comparison tasks offer the opportunity to develop AI and digital health literacy in nursing students. Students are neither naively accepting of AI nor reflexively dismissive but are actively working to understand its place within the ethical frameworks of nursing education. These findings contribute to AI integration in nursing education and offer practical guidance for educators seeking to support graduates to be AI-critical and well-equipped to leverage the efficiencies of these tools.

Keywords: Generative artificial intelligence, Nursing education, Critical reflection, Evidence-based practice, Digital health literacy, Undergraduate nursing

تمامی حقوق مادی و معنوی ترجمه ها برای پارس ترجمه محفوظ می باشد

تمامی حقوق مادی و معنوی ترجمه ها برای پارس ترجمه محفوظ می باشد