参加型アクションリサーチを使用して,緊急医療従事者のための人工知能強化,ピア主導,ケースベース,シミュレーション強化のカリキュラムを開発します

科学分野:

• 医療教育 医療教育について
• 医療における人工知能
• 救急医療の研修について

背景:

• 伝統的な医療教育方法は,蘇生医療のような複雑な分野での知識獲得を完全に最適化できない可能性があります.
• 上級研修生には,理論的知識と実用的な応用を統合した高度な学習戦略が必要です.
• テクノロジーとピア・コラボレーションの統合は,自律的な学習の強化の可能性を提供します.

研究 の 目的:

• 人工知能 (AI) 強化された,シニアの緊急医療研修生のためのピア主導のフレームワークを開発し,評価する.
• 構造化され,自主的な学習アプローチを通じて,蘇生医療における知識の獲得と保持を強化する.
• トレーニーのパフォーマンスに,ジェネレーティブAIツールとシミュレーションベースの学習を組み込むことの影響を評価する.

主な方法:

• 参加型アクション・リサーチは,ピア・セレクト・リーディング,ケース・ベース・ディスカッション,高精度シミュレーション,スペース・リピート・フラッシュカードを統合したフレームワークを開発するために採用されました.
• "望ましい難易度"と"意図的な実践"の原則に基づいた6ヶ月の構造化された学習サイクルに従事する研修生.
• 生成型AIツールは,エビデンスベースのプロンプトエンジニアリングを使用して,AIによって生成された質問を作成し,学習活動を補完しました.

主要な成果:

• AIで強化されたピア主導のフレームワークは,構造化された学習サイクルを容易にし,蘇生医療における知識獲得を強化しました.
• AIによって生成された質問は,検索ベースの学習をサポートし,フラッシュカードの統合は,知識保持を改善しました.
• シミュレーションベースの補強は,臨床応用を通じて"望ましい難易度"を提供し,時間の経過とともに自己報告されたリコールを改善しました.

結論:

• 開発されたフレームワークは,高齢の緊急医療研修生のための蘇生医療の自己指導学習を効果的にサポートしています.
• AI増強とピア主導の戦略の組み合わせは,知識保持を大幅に強化します.
• この適応可能な方法論は,様々な医療教育環境で応用される可能性を秘めています.