Comparando la visión humana y la IA en el análisis temático de las reflexiones sobre la educación de enfermería

Área de la Ciencia:

• Educación para las profesiones sanitarias
• La inteligencia artificial en la educación
• Métodos de investigación cualitativa

Sus antecedentes:

• El avance de la educación interprofesional (IPE) se ve obstaculizado por las evaluaciones de aprendizaje de los estudiantes que consumen muchos recursos.
• Las tareas de reflexión en la EPI fomentan el autoexamen del aprendizaje y la futura colaboración interprofesional.
• El análisis manual de las asignaciones reflexivas requiere mucho tiempo y limita la escalabilidad.

Objetivo del estudio:

• Comparar la codificación y la tematización dirigidas por humanos con los resultados generados por el modelo de lenguaje grande (LLM) para evaluar las reflexiones interprofesionales.
• Evaluar la eficacia y las limitaciones de los LLM en el análisis de los datos cualitativos de las asignaciones reflexivas IPE.

Principales métodos:

• Diseño del estudio descriptivo cualitativo.
• Comparación de la codificación y tematización humanas tradicionales con la codificación y tematización generadas por LLM.
• La evaluación se centró en las reflexiones interprofesionales de los estudiantes.

Principales resultados:

• Los resultados generados por el LLM para el análisis cualitativo temático reflexivo no son actualmente idénticos a los producidos por los equipos humanos.
• Los LLM demuestran el potencial para la revisión eficiente de grandes conjuntos de datos en la investigación educativa.

Conclusiones:

• Los LLM ofrecen un método para la revisión eficiente de datos a gran escala en contextos educativos.
• Los LLM actuales tienen limitaciones y no deben sustituir únicamente el análisis en humanos.
• Se recomienda integrar los LLM con otros métodos de evaluación para una evaluación integral de las reflexiones interprofesionales.