ロンドンの医学生による大規模言語モデルの導入：探索的質的インタビュー研究

科学分野:

• 医学教育;ヘルスケアにおける人工知能;医療専門職教育

背景:

• 大規模言語モデル（LLM）はヘルスケアでますます人気が高まっています。医療学生のLLMの実際の経験を理解することにはギャップがあります。

研究 の 目的:

• ロンドンの医学生の間でのLLM使用の認識されている利点、促進要因、および障壁を探ること。

主な方法:

• 15人の医学生への半構造化インタビュー。テクノロジー受容モデルに導かれた帰納的テーマ分析。

主要な成果:

• 学生は要約、概念の明確化、質問生成のためにLLMを使用し、速度と使いやすさを評価しています。促進要因には、ピアラーニングとアクセシビリティが含まれます。障壁には、不正確さ、過度の依存、プライバシーの懸念が含まれます。 juniorの学生はLLMの不正確な出力を検出するのに苦労しており、信頼と批判的思考に影響を与えています。

結論:

• LLMは効率性を提供しますが、信頼性、スキルの低下、学業の誠実性に関する懸念を引き起こします。安全なLLMの使用をガイドし、教育/評価戦略を適応させるためのカリキュラムの緊急の必要性。将来の研究では、AI時代のカリキュラム開発のために、多様な設定と教育者の視点を含めるべきです。