Mejorar las habilidades de razonamiento clínico con el algoritmo K-Means de aprendizaje automático

Área de la Ciencia:

• Educación en ciencias de la salud
• La inteligencia artificial en la educación
• Ciencias cognitivas

Sus antecedentes:

• Mejorar el razonamiento clínico es vital para la formación de profesionales de la salud competentes.
• La identificación de déficits específicos de razonamiento en los estudiantes es un desafío educativo persistente.
• Los métodos de evaluación actuales pueden no captar completamente los matices de la resolución de problemas clínicos.

Objetivo del estudio:

• Investigar la eficacia del aprendizaje automático, específicamente el agrupamiento de medios K, en la detección de errores técnicos y conceptuales en la resolución de problemas de los estudiantes.
• Determinar en qué medida el aprendizaje automático facilita las intervenciones educativas personalizadas para los déficits de razonamiento.
• Explorar la integración del aprendizaje automático con marcos educativos establecidos como la taxonomía de Bloom.

Principales métodos:

• Desarrolló un nuevo método que combina la agrupación de medios K con la taxonomía de Bloom para clasificar a los estudiantes en función de las habilidades de razonamiento clínico.
• Los estudiantes agrupados en grupos que representan diferentes niveles cognitivos, desde el recuerdo básico hasta el razonamiento clínico complejo.
• Utilizó estos grupos para informar el diseño de estrategias pedagógicas específicas.

Principales resultados:

• La agrupación de medios K reveló patrones de rendimiento en el comportamiento de los estudiantes más allá de las capacidades de evaluación tradicionales.
• El enfoque permitió a los educadores comprender las habilidades de razonamiento de los estudiantes en un continuo, facilitando caminos de aprendizaje individualizados.
• Las intervenciones basadas en estos conocimientos se pueden implementar a escala para instrucciones específicas, cerrando efectivamente las brechas de razonamiento.

Conclusiones:

• La sinergia del aprendizaje automático (clustering de medios K) y la teoría educativa (taxonomía de Bloom) permite una capacitación clínica escalable, basada en la evidencia y personalizada.
• El aprendizaje automático ofrece una herramienta poderosa para adaptar las experiencias de enseñanza y aprendizaje en diversos dominios cognitivos.
• Este enfoque hace avanzar el potencial de apoyo individualizado en la educación en ciencias de la salud.