使用决策树进行解剖学客观结构实践考试的自动分级:一种人工智能方法
Jason Bernard1, Ranil Sonnadara1, Anthony N Saraco2
1Department of Surgery, McMaster University, Hamilton, Ontario, Canada.
Anatomical sciences education
|June 16, 2023
概括
决策树 (DTs) 准确地分类了解剖学和生理学方面的目标结构实践考试 (OSPE),达到94.49%的准确率. 这表明了DTs.
科学领域:
- 医学教育 医学教育
- 人工智能的人工智能
- 解剖学和生理学的解剖学和生理学
背景情况:
- 目标 结构化实践考试 (OSPE) 对于评估解剖学知识是有效的,但资源密集.
- 传统的OSPEs经常使用简短答案或填空问题,需要大量的人力资源进行评分.
- 在线解剖学和生理学课程可能会减少学生参加OSPE实践的机会.
研究的目的:
- 评估决策树 (DTs) 在分级OSPE问题中的准确性.
- 建立一个智能在线OSPE辅导系统的基础.
主要方法:
- 利用麦克马斯特大学解剖学和生理学课程 (2020年冬季) 的OSPE数据.
- 通过十倍验证,为每一个54个OSPE问题训练了一个决策树 (DT),使用90%的数据集.
- 数据技术人员从正确的学生答案中训练了独特的单词,并将其用于评分剩余10%的数据.
主要成果:
- 在所有54个OSPE问题中,决策树 (DTs) 的平均准确率为94.49%.
- DT评分的准确性与人类工作人员和教师的准确性相当.
结论:
- 机器学习算法,特别是DT,对于OSPE分级非常有效.
- 数字技术显示出开发智能在线OSPE辅导系统的巨大潜力.
