人的洞察と人工知能を看護教育のテーマ分析で比較する

科学分野:

• 医療専門職教育
• 教育における人工知能
• 定性的な研究方法

背景:

• インタープロフェッショナルな教育 (IPE) の進歩は,資源密集的な学生の学習評価によって妨げられています.
• IPEの反省的な課題は,学習の自己検証と将来の専門間の協力を奨励します.
• 反射的な割り当ての手動分析は時間がかかり,スケーラビリティを制限します.

研究 の 目的:

• 人間主導のコーディングとテーマを大型言語モデル (LLM) で生成されたアウトプットと比較し,専門間の反省を評価する.
• IPEの反射的な割り当てからの定性データを分析する際にLLMの有効性と限界を評価する.

主な方法:

• 定性的な記述的研究デザイン
• 伝統的な人間のコーディングとテーマの比較とLLMで生成されたコーディングとテーマの比較
• 評価は,学生のインタープロフェッショナルな反省に焦点を当てた.

主要な成果:

• 現在,リフレクティブ・テーマ・クオリティー分析のためのLLMによって生成されたアウトプットは,人間のチームによって生成されたものと同一ではありません.
• LLMは,教育研究における大規模なデータセットの効率的なレビューの可能性を示しています.

結論:

• LLMは教育分野における効率的な大規模なデータレビューの方法を提供します.
• 現在のLLMには限界があり,人間の分析のみを代替すべきではありません.
• 専門分野間の反省を総合的に評価するために,LLMを他の評価方法と統合することが推奨されます.