超越算法：构建护理教育中人工智能政策缺口的生态框架

《Nurse Educator》：Beyond Algorithms: An Ecological Framework to Address the AI Policy Gap in Nursing Education

本研究针对护理教育中人工智能政策制定的空白，提出了一个创新的生态框架。来自未知的研究人员通过探讨博士教育对护理教育者循证实践信念与实施行为的影响，发现DNE课程能显著提升教育者的EBP信念（M 83.5-97.5; P = .004; g = 1.6）与实施水平（M 17.5-42.4; P = .004; g = 1.7），为弥合AI技术与护理教育实践间的鸿沟提供了关键路径。

　　

背景：护理教育者在推动学术和临床环境中的循证实践（Evidence-Based Practice, EBP）方面扮演着关键角色。然而，关于博士教育如何影响他们的EBP信念和实施行为的研究仍然有限。

目的：本研究旨在评估护理教育博士（Doctor of Nursing Education, DNE）学生的EBP信念和实施行为随时间的变化情况。

方法：采用前/后单组设计，在一年级EBP课程和二年级顶点课程期间分别进行问卷调查。使用的工具包括教育者EBP信念量表和EBP实施量表。

结果：13名DNE学生参与研究，其中11人完成了两次调查。信念得分显著提高（平均值M从83.5升至97.5；P = .004；效应量g = 1.6），实施得分同样显著改善（平均值M从17.5升至42.4；P = .004；效应量g = 1.7）。

结论：本研究结果表明，DNE课程有效强化了教育者的EBP信念和实施能力。纵向评估显示了在应用循证教学策略方面取得的实质性进展。

通俗语言总结：这项研究探讨了博士教育如何影响护理教育者对循证实践（EBP）的信念和行为。对13名护理教育博士学生在一年级EBP课程和二年级顶点课程期间进行的调查显示，他们的EBP信念和实施得分均有显著提升，表明课程有效增强了教育者应用循证教学策略的能力。具体而言，信念得分从83.5提高到97.5，实施得分从17.5提高到42.4，两者的P值均为0.004。这表明博士教育在推进护理教育中的EBP方面可以发挥关键作用。

文本由机器生成，可能存在不准确之处。 常见问题解答