의학에서 AI 지원 학습

Ackground and Rationale : 학부 의학 교육의 초석 인 내과의 효과적인 교육은 주제의 폭과 복잡성으로 인해 중요한 교육 문제를 제시하고 일반적으로 주요 학업 의료 센터에 등록 된 대규모 학생 코호트로 인해 중요한 교육 문제를 제시합니다. 강의 및 교과서 판독과 같은 전통적인 방법이 필수적이지만, 임상 추론의 개발을 더 잘 지원하고 복잡한 사례 자료에 대한 더 깊은 참여를 촉진하며 규모에 따라보다 개인화 된 학습 기회를 제공 할 수있는 혁신적인 접근 방식에 대한 인식이 필요합니다. 도메인 별 지식에 대해 교육을받은 인공 지능 (AI), 특히 고급 대형 언어 모델 (LLMS)은 이러한 요구를 해결하기위한 교육 기술로서 상당한 잠재력을 보유하고 있습니다. 교육 학적 데이터 세트를 사용하여 의료 교육을 위해 특별히 미세 조정 된 독점적 생성 기초 모델 인 MetAgp-Edu는 보충 학습 자원 으로서이 잠재력을 탐구하기 위해 개발되었습니다. 이러한 도구를 확립 된 커리큘럼에 통합하는 실제 영향을 평가하는 것은 증거 정보 교육 실무에 중요합니다.

목표 :이 연구의 주요 목표는 MetAGP-EDU AI 도구의 보충 학습 자원으로서의 MetAGP-EDU AI 도구의 가용성과 핵심 내과 교과 과정의 전반적인 학생 학업 성과 사이의 연관성을 후 향적으로 평가하는 것입니다.

연구 설계 :이 조사는 다중 센터의 후 향적 코호트 연구 설계를 사용합니다. 여러 연속 학업 연도에 걸쳐 중국의 여러 주요 의과 대학에서 일상적으로 학업 데이터를 수집 할 것입니다. 이 접근법은 실제 학업 환경 내에서 다양한 교육 자원 환경 (MetAGP-Edu 액세스가없는)에 대한 역사적 노출을 기반으로 한 학생 코호트를 비교할 수 있습니다.

설정 및 참가자 :이 연구는 중국의 여러 대규모 학업 계열 의료 기관에서 필수 내과 과정에 등록한 학부 의대생의 데이터를 포함합니다. 참가자는 MetAGP-Edu (약 2022 년 가을) 전후에 기간을 다루는 학업 기간 동안 과정을 마친 학생들이 포함됩니다. 포함은 특정 연구 기간 동안 내과 과정에 대한 완전한 학업 기록의 이용 가능성을 기반으로합니다.

노출/중재 및 비교기 :이 연구는 MetAGP-EDU 가용시기에 의해 정의 된 두 가지 주요 코호트를 비교합니다.

비교기 코호트 (Metagp-Edu)를 도입하기 전에 학업 몇 년 동안 내과 과정을 마친 학생들. 이 학생들은 MetAGP-EDU 도구에 액세스하지 않고 기관의 확립 된 전통적인 교수법 (예 : 강의, 튜토리얼, 표준 사례 토론, 교과서 과제)을 활용했습니다.

노출 코호트 (MetAgp-Edu) : Metagp-Edu가 도입 된 후 학문적 인 학년도에 내과 과정을 마친 학생들. 이 학생들은 동일한 핵심 전통적인 커리큘럼 구성 요소에 참여했지만 자체 지향 학습, 사례 탐사 및 임상 쿼리 지원을위한 보충 자원으로 기관 플랫폼을 통해 MetAGP-EDU에 액세스 할 수있었습니다.

결과 측정 : 주요 결과 측정은 내과 과정의 전반적인 학업 성과이며, 일반적으로 공식 대학 기록에 기록 된 최종 숫자 코스 점수 (예 : 0-100 척도)로 표시됩니다. 기준 학업 성취도 (예 : 사전 누적 GPA 또는 이와 동등한), 인구 통계 학적 요인 (예 : 성별) 및 기관 사이트를 포함한 주요 공변량은 통계 조정을 허용하기 위해 관리 데이터에서 추출됩니다.