MétaCan
Menu
Retour à la cohorte
Enregistrement W4412578431 · doi:10.17483/qc1kc694

Nursing Students’ Perceptions of Using ChatGPT in a Written Assignment

2025· article· en· W4412578431 sur OpenAlexaffvenueabout
Lorelei Newton, Angela Wignall, Claire Fullerton

Notice bibliographique

RevueQuality Advancement in Nursing Education - Avancées en formation infirmière · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésNursingPsychologyPerceptionMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

Introduction: The availability and use of artificial intelligence (AI) tools is accelerating significantly. As these technologies proliferate, many post-secondary institutions have responded by banning students from using AI tools such as ChatGPT and framing the conversation as breaches of academic integrity. Background: Despite these institutional responses, many students adopt these tools as part of their learning journey. In health care settings, the adoption of such tools in the context of patient care provision is a reality. Consequently, there is a relevant pedagogical opportunity to examine how such tools inform the experiential learning of nursing students and their future practice. Methods: To address the dearth of information regarding nursing students’ perceptions of using AI tools, a Canadian university teaching team incorporated ChatGPT into an undergraduate nursing course assignment. A pilot quasi-experimental pre-post-test survey design was employed to examine student perceptions of using ChatGPT. After obtaining institutional ethics approval, a neutral third party collected the anonymous data. Findings: Pilot study results highlighted significant student concerns regarding the ethics of using AI tools. Additionally, students described such tools as meaningful avenues to support learning access and equity. Finally, students identified a high probability of use of AI tools in their future practice, suggesting that exposure and support during learning can positively influence responses to these tools in practice settings. Conclusion: The students surveyed are now practising nurses; thus, findings may provide insight into perceptions of new nurses regarding the integration of AI to support competencies required by the nurses of tomorrow.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,102
Tête enseignante GPT0,526
Écart entre enseignants0,424 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueQuality Advancement in Nursing Education - Avancées en formation infirmièreMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207