دوره 34، شماره 239 - ( آذر 1403 )
جلد 34 شماره 239 صفحات 95-88 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Rahimi Esbo S, Ghaemi-Amiri M, Mostafazadeh-Bora M. Assessment of Medical Students' Acceptance, Knowledge, Attitudes, and Readiness toward Artificial Intelligence. J Mazandaran Univ Med Sci 2024; 34 (239) :88-95
URL: http://jmums.mazums.ac.ir/article-1-21008-fa.html
URL: http://jmums.mazums.ac.ir/article-1-21008-fa.html
رحیمی اسبو سبحان، قائمی امیری مریم، مصطفی زاده بورا مصطفی. بررسی پذیرش، آگاهی، نگرش و آمادگی نسبت به هوش مصنوعی در دانشجویان پزشکی. مجله دانشگاه علوم پزشکی مازندران. 1403; 34 (239) :88-95
چکیده: (4974 مشاهده)
سابقه و هدف: هوش مصنوعی در حال انقلاب فراگیری در زمینه‌های مختلف به‌ویژه در سلامت می‌باشد. با توجه به ماهیت نوظهور هوش مصنوعی در ایران و کمبود اطلاعات در این زمینه، مطالعه حاضر با هدف بررسی پذیرش، دانش، نگرش و آمادگی نسبت به هوش مصنوعی پزشکی از دیدگاه دانشجویان پزشکی انجام شد.
مواد و روش‌ها: مطالعه توصیفی- مقطعی حاضر روی ۱۱۷ دانشجوی پزشکی که به صورت در دسترس وارد مطالعه شدند، انجام گرفت. پرسشنامه مطالعه شامل ویژگی‌های دموگرافیک، آمادگی (۲۲ گویه در مقیاس لیکرت پنج‌تایی)، پذیرش (۲۸ گویه در مقیاس لیکرت پنج‌تایی)، دانش(۸ گویه در مقیاس لیکرت سه‌تایی) و نگرش نسبت به هوش مصنوعی (۱3 گویه در مقیاس لیکرت پنج تایی) بود. داده‌های جمع‌آوری شده با استفاده از SPSS نسخه ۲۷ شامل آمار توصیفی، آزمون t مستقل، آزمون همبستگی پیرسون و رگرسیون با سطح معنی‌داری کم‌تر از 05/0 آنالیز شد.
یافته‌ها: یافته‌ها نشان داد که میانگین آمادگی (13/84±66/50)، سطح دانش (3/27±17/23) و پذیرش (14/83.±95/25) در سطح متوسط و نگرش (6/01±46/51) در سطح خوب بود. متغیرهای آمادگی، دانش، پذیرش و نگرش به هوش‌مصنوعی با یکدیگر دارای ارتباط مستقیم و معنی‌دار آماری(0/05>P) بودند و تنها آمادگی با نگرش ارتباط معنی‌دار آماری نداشت(0/516p=). نتایج رگرسیون نشان داد که شرکت در دوره‌های آموزشی هوش مصنوعی
(0/22 Beta=، 0/013P=) و دانش نسبت به هوش‌مصنوعی (0/41Beta=، 0/001>P)، پیش‌بینی‌کننده قوی آمادگی نسبت به هوش‌مصنوعی پزشکی هستند، زیرا این رابطه در هر دو رگرسیون خطی تک‌متغیر ساده و چندمتغیره از نظر آماری معنی‌دار بود. علاوه بر این، متغیرهای استفاده از هوش‌مصنوعی و پذیرش نسبت هوش‌مصنوعی به عنوان پیش‌بینی‌کننده مستقل آمادگی هوش مصنوعی در رگرسیون خطی تک‌متغیره شناسایی شدند.
استنتاج: دانشجویان پزشکی دانشگاه علوم پزشکی بابل نگرش مثبتی نسبت به هوش مصنوعی نشان دادند که بیانگر اهمیت روزافزون این فناوری در آموزش پزشکی است. این یافته‌ها نشان می‌دهد که برنامه‌ریزان آموزشی باید بر ارتقای دانش، آمادگی و پذیرش دانشجویان نسبت به هوش مصنوعی از طریق دوره‌ها و برنامه‌های آموزشی ساختارمند تمرکز کنند. چنین اقداماتی می‌تواند به آمادگی بهتر دانشجویان برای نقش فزاینده هوش مصنوعی در حوزه سلامت کمک کند.
مواد و روش‌ها: مطالعه توصیفی- مقطعی حاضر روی ۱۱۷ دانشجوی پزشکی که به صورت در دسترس وارد مطالعه شدند، انجام گرفت. پرسشنامه مطالعه شامل ویژگی‌های دموگرافیک، آمادگی (۲۲ گویه در مقیاس لیکرت پنج‌تایی)، پذیرش (۲۸ گویه در مقیاس لیکرت پنج‌تایی)، دانش(۸ گویه در مقیاس لیکرت سه‌تایی) و نگرش نسبت به هوش مصنوعی (۱3 گویه در مقیاس لیکرت پنج تایی) بود. داده‌های جمع‌آوری شده با استفاده از SPSS نسخه ۲۷ شامل آمار توصیفی، آزمون t مستقل، آزمون همبستگی پیرسون و رگرسیون با سطح معنی‌داری کم‌تر از 05/0 آنالیز شد.
یافته‌ها: یافته‌ها نشان داد که میانگین آمادگی (13/84±66/50)، سطح دانش (3/27±17/23) و پذیرش (14/83.±95/25) در سطح متوسط و نگرش (6/01±46/51) در سطح خوب بود. متغیرهای آمادگی، دانش، پذیرش و نگرش به هوش‌مصنوعی با یکدیگر دارای ارتباط مستقیم و معنی‌دار آماری(0/05>P) بودند و تنها آمادگی با نگرش ارتباط معنی‌دار آماری نداشت(0/516p=). نتایج رگرسیون نشان داد که شرکت در دوره‌های آموزشی هوش مصنوعی
(0/22 Beta=، 0/013P=) و دانش نسبت به هوش‌مصنوعی (0/41Beta=، 0/001>P)، پیش‌بینی‌کننده قوی آمادگی نسبت به هوش‌مصنوعی پزشکی هستند، زیرا این رابطه در هر دو رگرسیون خطی تک‌متغیر ساده و چندمتغیره از نظر آماری معنی‌دار بود. علاوه بر این، متغیرهای استفاده از هوش‌مصنوعی و پذیرش نسبت هوش‌مصنوعی به عنوان پیش‌بینی‌کننده مستقل آمادگی هوش مصنوعی در رگرسیون خطی تک‌متغیره شناسایی شدند.
استنتاج: دانشجویان پزشکی دانشگاه علوم پزشکی بابل نگرش مثبتی نسبت به هوش مصنوعی نشان دادند که بیانگر اهمیت روزافزون این فناوری در آموزش پزشکی است. این یافته‌ها نشان می‌دهد که برنامه‌ریزان آموزشی باید بر ارتقای دانش، آمادگی و پذیرش دانشجویان نسبت به هوش مصنوعی از طریق دوره‌ها و برنامه‌های آموزشی ساختارمند تمرکز کنند. چنین اقداماتی می‌تواند به آمادگی بهتر دانشجویان برای نقش فزاینده هوش مصنوعی در حوزه سلامت کمک کند.
نوع مطالعه: گزارش کوتاه |
موضوع مقاله:
هوش مصنوعی
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
Articles Copyright © The Author(s). Owned by Mazandaran University of Medical Sciences.
تماس با ما
ساری- میدان معلم- ساختمان شماره2 دانشگاه علوم پزشکی و خدمات بهداشتی درمانی مازندران- طبقه سوم- معاونت تحقیقات و فناوری- دفترمجله
تلفن: 01134484874
پست الکترونیکی : jmums
mazums.ac.ir
