Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
HUBUNGAN PENGGUNAAN ARTIFICIAL INTELLIGENCE TERHADAP POLA PIKIR KRITIS MAHASISWA PROFESI NERS
0
Zitationen
4
Autoren
2026
Jahr
Abstract
Kemajuan teknologi kecerdasan buatan (Artificial Intelligence) telah mengubah paradigma pendidikan tinggi, termasuk profesi keperawatan. Meskipun AI menawarkan efisiensi dalam penyelesaian tugas akademik, ketergantungan yang berlebihan dikhawatirkan dapat menurunkan ketajaman pola pikir kritis yang merupakan kompetensi inti seorang perawat. Penelitian ini bertujuan untuk mengetahui hubungan antara penggunaan Artificial Intelligence (AI) terhadap pola pikir kritis pada mahasiswa profesi Ners di Institut Kesehatan Payung Negeri Pekanbaru. Jenis penelitian kuantitatif dengan pendekatan korelasi cross-sectional. Penelitian dilakukan dari tanggal 31 Desember 2025- 24 Januari 2026 di Institit Kesehatan Payung Negeri Pekanbaru. Populasi penelitian adalah seluruh mahasiswa profesi Ners sebanyak 188 orang dengan teknik total sampling. Instrumen penelitian menggunakan kuesioner penggunaan AI (20 item) dan pola pikir kritis (20 item) oleh Sela Anggraini yang telah diuji validitas dan reliabilitasnya. Analisis data menggunakan analisis univariat dan bivariat. Penggunaan AI sebagian besar berada pada kategori Cukup Baik (51,6%) dan pola pikir kritis berada pada kategori Baik (53,2%). Hasil uji Chi-Square menunjukkan nilai p-value 0,001 (p < 0,05). Terdapat hubungan yang sangat signifikan antara penggunaan Artificial Intelligence (AI) terhadap pola pikir kritis mahasiswa profesi Ners. Mahasiswa yang menggunakan AI secara bijak cenderung memiliki pola pikir kritis yang lebih terasah melalui proses evaluasi dan validasi informasi. Institusi diharapkan dapat mengintegrasikan literasi AI dalam kurikulum untuk mendukung kompetensi kritis mahasiswa.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.687 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.591 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 8.114 Zit.
BioBERT: a pre-trained biomedical language representation model for biomedical text mining
2019 · 6.867 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.