อิทธิพลของการรับรู้ผลกระทบจากปัญญาประดิษฐ์ทางการแพทย์ ต่อทัศนคติเกี่ยวกับความมั่นคงในวิชาชีพอนาคตของนักศึกษารังสีเทคนิค คณะแพทยศาสตร์ มหาวิทยาลัยสงขลานครินทร์
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยเชิงปริมาณครั้งนี้มีวัตถุประสงค์เพื่อศึกษาระดับการรับรู้ผลกระทบจากปัญญาประดิษฐ์ (AI) ทางการแพทย์ ระดับทัศนคติเกี่ยวกับความมั่นคงในวิชาชีพอนาคต และอิทธิพลของการรับรู้ผลกระทบจาก AI ที่มีต่อทัศนคติความมั่นคงในวิชาชีพอนาคตของนักศึกษารังสีเทคนิค คณะแพทยศาสตร์มหาวิทยาลัยสงขลานครินทร์ ดำเนินการศึกษาในกลุ่มตัวอย่างนักศึกษารังสีเทคนิค ชั้นปีที่ 1–4 จำนวน 94 คน เครื่องมือที่ใช้เป็นแบบสอบถามที่มีค่าดรรชนีความตรงเชิงเนื้อหา (IOC) มากกว่า 0.50 ทุกข้อ และค่าความเที่ยงเท่ากับ 0.80 วิเคราะห์ข้อมูลด้วยค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และการวิเคราะห์การถดถอยพหุคูณ
ผลการวิจัยพบว่า การรับรู้ผลกระทบจาก AI โดยรวมอยู่ในระดับเห็นด้วย ( x̄ = 4.02, S.D. = 0.44) โดยมีความพร้อมในการปรับตัวต่อ AI สูงที่สุด ( x̄ = 4.38, S.D. = 0.49) รองลงมาคือการรับรู้ผลกระทบเชิงบวก (x̄ = 4.25, S.D. = 0.52) และเชิงลบ (x̄ = 3.42, S.D. = 0.68) ตามลำดับ ในขณะที่ทัศนคติเกี่ยวกับความมั่นคงในวิชาชีพอนาคตโดยรวมอยู่ในระดับเห็นด้วยอย่างยิ่ง ( x̄ = 4.21, S.D. = 0.51) โดยประเด็นที่มีค่าเฉลี่ยสูงสุดคือ ทักษะการดูแลผู้ป่วยและการสื่อสารไม่สามารถถูกแทนที่ด้วย AI ได้ทั้งหมด (x̄ = 4.61, S.D. = 0.54) นอกจากนี้ ผลการวิเคราะห์การถดถอยพหุคูณชี้ให้เห็นว่า ความพร้อมในการปรับตัว (β = .485, p < .001) และการรับรู้ผลกระทบเชิงบวก (β = .312, p = .001) มีอิทธิพลทางบวกต่อทัศนคติความมั่นคงในวิชาชีพอย่างมีนัยสำคัญทางสถิติ ส่วนการรับรู้ผลกระทบเชิงลบ (β = -.241, p = .002) มีอิทธิพลทางลบอย่างมีนัยสำคัญทางสถิติ สถาบันการศึกษาจึงควรนำผลการวิจัยไปใช้พัฒนาหลักสูตรบูรณาการเทคโนโลยี AI ควบคู่กับการเสริมสร้างทักษะปฏิสัมพันธ์มนุษย์และการปฏิบัติงานร่วมกับ AI เพื่อส่งเสริมความมั่นคงในวิชาชีพอย่างยั่งยืน
Article Details
เอกสารอ้างอิง
บุญชม ศรีสะอาด. (2545). การวิจัยเบื้องต้น. (พิมพ์ครั้งที่ 7). กรุงเทพฯ: สุวีริยาสาส์น.
Abuzaid, M. M., Elshami, W., Tekin, H. O., & Issa, B. (2022a). Assessment of radiography students' knowledge, awareness, and perceptions toward artificial intelligence in medical imaging: A cross-sectional study. Radiography, 28(3), 747–753. https://doi.org/10.1016/j.radi.2022.03.010
Abuzaid, M. M., Elshami, W., & Hasan, H. (2022b). Assessment of the willingness of radiologists and radiographers to accept the integration of artificial intelligence into radiology practice. Academic Radiology, 29(1), 87–94. https://doi.org/10.1016/j.acra.2020.09.014
Chockley, K., & Emanuel, E. (2016). The end of radiology? Three threats to the future practice of radiology. Journal of the American College of Radiology, 13(12), 1415–1420. https://doi.org/10.1016/j.jacr.2016.07.010
Coakley, S., Young, R., Moore, N., England, A., O'Mahony, A., O'Connor, O. J., Maher, M., & McEntee, M. F. (2022). Radiographers' knowledge, attitudes and expectations of artificial intelligence in medical imaging. Radiography, 28(4), 943–948. https://doi.org/10.1016/j.radi.2022.06.020
Greenhalgh, L., & Rosenblatt, Z. (1984). Job insecurity: Toward conceptual clarity. Academy of Management Review, 9(3), 438–448. https://doi.org/10.5465/ amr.1984.4279673
Hosny, A., Parmar, C., Quackenbush, J., Schwartz, L. H., & Aerts, H. J. W. L. (2018). Artificial intelligence in radiology. Nature Reviews Cancer, 18(8), 500–510. https://doi.org/10.1038/s41568-018-0016-5
Lazarus, R. S., & Folkman, S. (1984). Stress, appraisal, and coping. Springer.
Sverke, M., Hellgren, J., & Näswall, K. (2002). A meta-analysis and review of job insecurity and its consequences. Journal of Occupational Health Psychology, 7(3), 242–264. https://doi.org/10.1037/1076-8998.7.3.242
Waymel, Q., Badr, S., Demondion, X., Cotten, A., & Jacques, T. (2019). Impact of the rise of artificial intelligence in radiology: What do radiologists think? Diagnostic and Interventional Imaging, 100(6), 327–336. https://doi.org/10.1016/j.diii.2019.03.015