人工智能驱动的适应性学习系统在物理康复科学教育中的当前应用和成果:一个范围审查协议

科学领域:

• 康复 科学 教育 教育 康复 康复 康复
• 教育中的人工智能
• 适应性学习系统适应性学习系统

背景情况:

• 人工智能 (AI) 在教育中具有变革性的潜力,特别是通过自适应式学习系统 (ALS).
• 康复科学教育可以从人工智能驱动的ALS中获益浅,但目前的应用尚未得到充分探索.
• 在更广泛的医疗保健教育中检查AI-ALS为康复科学提供了洞察力.

研究的目的:

• 将人工智能驱动的适应性学习系统在医疗保健教育中的当前应用和成果综合起来.
• 确定有效的实施策略,学习/教学方法和挑战.
• 为AI-ALS融入康复科学教育提供信息.

主要方法:

• 根据Joanne Briggs Institute (JBI) 框架进行范围审查,并使用PRISMA-ScR指南进行报告.
• 在多个数据库中进行全面的文献搜索 (Scopus,PubMed,CINAHL,ERIC,ACM,科学网等). ) 的情况.
• 在康复健康科学教育中包括所有评估AI模型,学习方法,实施,ALS结果和挑战的研究类型.

主要成果:

• 使用预先驾驶的表格提取数据.
• 叙事合成以确定AI-ALS应用中的主题和模式.
• 识别成功的AI模型,教学方法和实施因素.

结论:

• 人工智能驱动的自适应学习系统对提高康复科学教育具有重大前景.
• 证据综合将指导教育工作者,专业人士和政策制定者有效地整合人工智能.
• 本综述为优化通过人工智能在康复中的多式模式基于案例的学习提供了基础.