ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Background Critical thinking (CT) is essential in orthopaedic nursing practice, where nurses must accurately assess fractures, identify complications, plan mobility strategies, and support postoperative recovery. Concept mapping (CMAP) can facilitate structured clinical reasoning, while artificial intelligence (AI) may further support conceptual organization and reflective learning processes. However, evidence regarding AI-assisted CMAP in orthopaedic nursing education remains limited. Aim To evaluate the effectiveness of an AI-assisted CMAP program in improving CT among undergraduate students enrolled in an orthopaedic nursing course. Methods A two-group quasi-experimental pretest–posttest design was employed. Participants were allocated to either an experimental group receiving AI-assisted CMAP using ChatGPT (OpenAI) during a structured workshop or a control group receiving standard instructional activities. CT was evaluated using a validated 12-item CMAP-based assessment tool administered before and after the intervention. Data were analyzed using mixed-design ANOVA and ANCOVA. Results CT scores improved significantly over time, with greater improvement observed in the experimental group. Mean CT scores in the experimental group increased from 2.40 ± 0.50 at pretest to 2.97 ± 0.72 at posttest, whereas scores in the control group increased from 2.43 ± 0.68 to 2.57 ± 0.63. A significant interaction effect between time and group was identified (F(1,58) = 9.705, p = .003, partial η 2 = .143). Students in the experimental group also reported high satisfaction with the AI-assisted CMAP program. Conclusions AI-assisted CMAP may support CT development and structured clinical reasoning in orthopaedic nursing education. Integrating AI-assisted reflective support into concept-mapping activities may provide an effective pedagogical approach for helping nursing students organize and integrate complex clinical information.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 85/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Clinical Reasoning and Diagnostic Skills · Artificial Intelligence in Healthcare and Education · Simulation-Based Education in Healthcare
บทบาทของนักวิจัยและสถาบันไทย
Satik Sutthiviriwan · Nuntawat Pinyo · Khwanchit Kuptanont · Arrisara Sukwatjanee · Srinakharinwirot University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง