医学教育つれづれ

医学教育に関する論文のPOINTを書き出した備忘録的なブログです。最近はyoutubeも

医学教育の学習機会に「反転評価」アプローチを提供するための人工知能の利用



Samuel BirksORCID Icon,James GrayORCID Icon &Claire Darling-PomranzORCID Icon
Received 04 Jul 2024, Accepted 21 Nov 2024, Published online: 01 Dec 2024
Cite this article https://doi.org/10.1080/0142159X.2024.2434101

https://www.tandfonline.com/doi/full/10.1080/0142159X.2024.2434101?af=R#abstract

 

論文の目的
ジェネレーティブAIは、模擬試験問題の作成を効率化できる可能性がある。 本研究は、この目的のために生成AIを使用する医学生の自信と、その使用に対する全体的な態度を評価することを目的とした。

材料と方法
本研究では、事前事後介入を用いた混合法のアプローチを用いた。 68人の医学生と医師助手学生を募り、ワークショップに参加させた。その前後にアンケートが行われた。 また、7人の学生がフォローアップのフォーカス・グループに参加した。

＊ワークショップの構成:

  1. 事前アンケート
  • AIの利用経験や自信度を5段階で評価
  • 自由記述での意見収集
  1. 30分のレクチャー
  • 生成AIの基本的な説明
  • 問題作成能力のデモンストレーション
  • Google Bard(現Gemini)の使用方法
  • AI生成コンテンツの検証の重要性について説明
  1. 実践セッション (60-90分)
  • 参加者がGoogle Bardを使用して練習問題を作成
  • 研究チームからのガイダンスあり
  • 作成した問題は共有Googleドライブフォルダに保存
  • 相互レビューの機会も提供

結果

  1. 定量的結果
  • AI使用の全般的な自信: 2.75 → 4.1（p<0.001）
  • 問題作成での自信: 1.93 → 4.17（p<0.001）
  1. 質的結果（フォーカスグループからの主な知見）

良かった点:

  • プロンプトの重要性への理解が深まった
  • グループでの活用が効果的
  • 他の学習活動（概念説明、症例作成など）への応用可能性を発見

課題点:

  • 質の確認に時間がかかる
  • 大学間で適切な難易度が異なる可能性
  • AIの出力が反復的になることがある
  • 最新のガイドラインへの対応が不完全

考察:

  1. 教育的価値:
  • 問題作成プロセスそのものが学習機会となる
  • 質の確認作業が深い理解につながる
  • グループ活動を通じた協調学習の促進
  1. 実装上の課題:
  • 時間効率とのバランス
  • 質の保証メカニズムの必要性
  • 適切な難易度調整の方法
  1. 将来への示唆:
  • 明確なAI利用ガイドラインの必要性
  • 教育機関としての積極的なAI活用戦略の重要性
  • デジタルヘルスケアの将来を見据えた教育の必要性

結論
自信の向上は好ましいことであるが、正確性を確認するためには、AIが作成した問題の質を厳密に評価する必要がある。 練習問題を作成し、批評するために生成的AIを使用するよう学生に教えることは、適切なAIの使用を奨励する手段である。

 

・ポイント

学生は、生成AIを使って試験問題の練習をすることができます。

質の高い問題を生成するには、よく構成されたプロンプトが不可欠です。

アウトプットの正確性を確保するためには、品質管理が重要です。

品質管理プロセスは、より深い学習には利点があるが、時間効率では欠点となる可能性がある。

学生は、教育におけるAIの使用に関する教育機関の先進的な姿勢を高く評価している。