Generative AI in simulation debriefings: an exploratory study using the Team-FIRST framework and qualitative feedback...

科学分野:

• 医療教育技術
• ヘルスケアにおける人工知能
• シミュレーションベーストレーニング

背景:

• シミュレーションベースの教育には、最適な学習のために効果的なデブリーフィングが必要です。
• ファシリテーターは、認知負荷とバイアスのためにチームの相互作用を観察する際に課題に直面しています。
• 生成AIは、医療シミュレーションにおけるコミュニケーションを分析し、デブリーフィングをサポートする可能性を提供します。

研究 の 目的:

• 医療シミュレーション中のチームワークを観察する上での生成AIツールの有用性を探求すること。
• AI生成レポートがシミュレーションデブリーフィングプロセスに与える影響を評価すること。
• シミュレーションにおけるAIの経験に関する参加者とファシリテーターの経験を理解すること。

主な方法:

• AI生成レポートとインタビューのテーマ別分析を含む質的な探索的研究。
• チューリッヒ大学病院での没入型医療シミュレーションに参加した41人の参加者。
• Team-FIRSTフレームワークに基づいた大規模言語モデル（Isaac、ChatGPT-4o）を使用した音声対話のAI支援文字起こしと分析。

主要な成果:

• AIレポートは詳細なトランスクリプトと引用を提供し、構造化されたフィードバックを助け、見逃された観察を捉えました。分類の不正確さ、話者の誤った帰属、非言語的文脈の欠如が含まれていました。学習者はAIの効率性と客観性に楽観的でしたが、透明性とエラーについて懸念しており、人間の監視が不可欠であると見なされました。

結論:

• 生成AIは、コミュニケーションデータを構造化し、チームワークパターンを特定することにより、シミュレーションデブリーフィングを強化できます。
• 現在のAIの制限により、マルチモーダルアプローチと専門家のファシリテーションが必要になります。
• AIは、シミュレーションベースの教育において、置き換えではなく、サポートツールとして機能する必要があります。