Оценка влияния систем искусственного интеллекта на клиническое мышление ветеринарных специалистов
| dc.contributor.author | Килячкова Надежда Владимировна | |
| dc.date.accessioned | 2025-11-17T07:08:02Z | |
| dc.date.available | 2025-11-17T07:08:02Z | |
| dc.date.issued | 2025-11-17 | |
| dc.description | В данном исследовании представлены результаты 9-месячного лонгитюдного исследования влияния систем поддержки принятия решений (СППР) на основе нейросетей на когнитивные функции и профессиональные навыки ветеринарных врачей. Ключевые аспекты исследования: Оценка динамики диагностической точности при длительном использовании ИИ Анализ изменений метакогнитивных процессов Изучение корреляции между доверием к технологиям и сохранностью профессиональных навыков Сравнительный анализ экспериментальной и контрольной групп Основные выводы: Статистически значимое снижение точности самостоятельной диагностики на 13% Ухудшение метакогнитивных показателей на 23-35% Установление отрицательной корреляции между доверием к ИИ и сохранностью навыков Методология: Лонгитюдный дизайн исследования (9 месяцев) Выборка: 120 ветеринарных врачей Применение стандартизированных диагностических тестов и опросников Статистический анализ с использованием многофакторного дисперсионного анализа Научная значимость: Работа вносит вклад в понимание долгосрочных эффектов использования искусственного интеллекта в ветеринарной медицине и предлагает практические рекомендации по сбалансированной интеграции технологий в клиническую практику. | |
| dc.description.abstract | Актуальность: Активное внедрение систем поддержки принятия решений (СППР) на основе нейросетей в ветеринарную практику требует комплексного изучения их влияния на профессиональные компетенции специалистов. Особую значимость приобретает оценка долгосрочных эффектов использования искусственного интеллекта в клинической диагностике. Цель исследования: Оценить влияние длительного использования СППР на основе нейросетей на когнитивные функции и метакогнитивные процессы ветеринарных врачей. Материалы и методы: Проведено 9-месячное лонгитюдное исследование с участием 120 ветеринарных врачей. Применялись диагностический кейс-тест (DCT), тест скорости распознавания паттернов (PRT), опросник доверия к технологиям (TTS) и шкала метакогнитивной уверенности (MCS). Статистический анализ выполнялся с использованием многофакторного дисперсионного анализа. Результаты: Установлено статистически значимое снижение точности самостоятельной диагностики в экспериментальной группе с 84% до 71% (p < 0,01). Выявлено снижение метакогнитивной уверенности на 23% и упрощение вербальных протоколов (на 35% меньше диагностических гипотез). Обнаружена отрицательная корреляция между уровнем доверия к ИИ и сохранностью профессиональных навыков (r = -0,67). Выводы: Длительное использование СППР приводит к снижению самостоятельных диагностических навыков и метакогнитивной уверенности ветеринарных врачей. Необходима разработка сбалансированного подхода к интеграции ИИ, сочетающего технологическую поддержку с сохранением клинического мышления. | |
| dc.identifier.citation | Килячкова, Н.В. (2025). Оценка влияния систем искусственного интеллекта на клиническое мышление ветеринарных специалистов: Набор данных. RusPsyData: Репозиторий психологических исследований и инструментов. Москва. https://doi.org/10.48612/MSUPE/unmz-vg4h-n232 | |
| dc.identifier.doi | DOI: 10.48612/MSUPE/unmz-vg4h-n232 | |
| dc.identifier.uri | https://doi.org/10.48612/MSUPE/unmz-vg4h-n232 | |
| dc.identifier.uri | https://ruspsydata.mgppu.ru/handle/123456789/285 | |
| dc.language.iso | ru | |
| dc.publisher | МГППУ | |
| dc.title | Оценка влияния систем искусственного интеллекта на клиническое мышление ветеринарных специалистов | |
| dc.type | Dataset | |
| local.relation.reference | Davenport T., Kalakota R. The potential for artificial intelligence in healthcare [Потенциал искусственного интеллекта в здравоохранении] // Future Healthcare Journal. – 2019. – Vol. 6, № 2. – P. 94-98. Challen R., Denny J., Pitt M., Gompels L., Edwards T., Tsaneva-Atanasova K. Artificial intelligence, bias and clinical safety // BMJ Quality & Safety. — 2019. — Vol. 28, № 3. — P. 231–237. — DOI: 10.1136/bmjqs-2018-008370. | |
| local.relation.reference | Char D. S., Abramoff M. D., Feudtner C. Identifying Ethical Considerations for Machine Learning in Healthcare // The American Journal of Bioethics. — 2020. — Vol. 20, № 11. — P. 7–17. — DOI: 10.1080/15265161.2020.1819469. | |
| local.relation.reference | Van de Sande, M. J. G. Effect of an Artificial Intelligence Decision Support Tool on the Diagnostic Accuracy of Physicians for Skin Cancer / M. J. G. Van de Sande, M. C. Van den Ende, I. C. H. Verweij [et al.] // JAMA Dermatology. – 2023. – Vol. 159, No. 11. – P. 1185-1191. – DOI: 10.1001/jamadermatol.2023.3483. |