A-A-Assisted Learning в медицине

Ackground and Anducate: Эффективное обучение внутренней медицины, краеугольный камень медицинского образования бакалавриата, представляет значительные педагогические проблемы из -за широты и сложности предмета и крупных студенческих когортов, обычно зачисленных в крупные академические медицинские центры. Хотя традиционные методы, такие как лекции и чтения учебников, имеют важное значение, существует признанная потребность в инновационных подходах, которые могут лучше поддерживать развитие клинических рассуждений, способствовать более глубокому взаимодействию со сложным материалом и предлагать более индивидуальные возможности обучения в масштабе. Искусственный интеллект (ИИ), в частности, передовые крупные языковые модели (LLMS), обученные знаниям, специфичным для домена, обладает значительным потенциалом в качестве образовательной технологии для удовлетворения этих потребностей. MetAGP-EDU, проприетарная модель генеративного фундамента, настраиваемое специально для медицинского образования с использованием педагогических наборов данных, была разработана для изучения этого потенциала путем служения в качестве дополнительного учебного ресурса. Оценка реального влияния интеграции таких инструментов в установленные учебные программы имеет решающее значение для образовательной практики, основанной на доказательствах.

Цели: Основная цель этого исследования-ретроспективная оценка связи между доступностью инструмента AI MetAGP-EDU в качестве дополнительного ресурса обучения и общей успеваемостью студентов в основной учебной программе по внутренней медицине.

Дизайн исследования: в этом исследовании используется многоцентровый, ретроспективный дизайн когортных исследований. Будут проанализированы регулярные академические данные из нескольких крупных медицинских школ в Китае в течение нескольких последовательных академических лет. Этот подход позволяет сравнивать студенческие когорты на основе их исторической экспозиции в различных образовательных ресурсных средах (с VS. без доступа к MetAGP-EDU) в реальных академических условиях.

Установка и участники: исследование включает в себя данные студентов -студентов -медиков, зачисленных на обязательный курс внутренней медицины в нескольких крупных, академически связанных медицинских учреждениях в Китае. Участниками включают студентов, которые прошли курс на протяжении всей академической годы, охватывающие период до и после введения MetAGP-EDU (приблизительно осень 2022 года). Включение основано на доступности полных академических записей для курса внутренней медицины в течение указанного периода обучения.

Экспозиция/вмешательство и компаратор: исследование сравнивает две основные когорты, определяемые временем доступности MetAGP-EDU:

Комураторная когорта (Pre-Metagp-EDU): студенты, которые прошли курс внутренней медицины в учебные годы до введения MetAGP-EDU. Эти студенты использовали установленные традиционные методы обучения учреждений (например, лекции, учебные пособия, стандартные обсуждения, задания учебника) без доступа к инструменту MetAGP-EDU.

Когорта экспозиции (после получения Metagp-Edu): студенты, которые прошли курс внутренней медицины в академические годы после введения MetaGP-EDU. Эти студенты участвовали в тех же основных традиционных компонентах учебной программы, но также имели доступ к метагп-эду через институциональные платформы в качестве дополнительного, дополнительного ресурса для самостоятельного обучения, исследования и клинических запросов.

Измерения результата: основной мерой результата является общая академическая эффективность в курсе внутренней медицины, обычно представленная окончательным числовым показателем курса (например, по шкале 0-100), как задокументировано в официальных университетских записях. Ключевые ковариаты, включая меры базовых академических достижений (например, предварительный кумулятивный GPA или эквивалент), демографические факторы (например, пол) и институциональный сайт, будут извлечены из административных данных, чтобы обеспечить статистическую адаптацию.