在生理学多选项评估中基于确定性的标记:使用人工智能助理的基于Web的实现
Chinmay Suryavanshi1, Kirtana Raghurama Nayak1,2
1Department of Physiology, Kasturba Medical College Manipal, Manipal Academy of Higher Education, Manipal, India.
Advances in physiology education
|October 17, 2025
概括
在生理学教育中的基于确定性的标记 (CBM) 提高了学生的表现和元认知技能. 这种人工智能辅助的评估工具增强了医学学生的自我评估和学习意识.
科学领域:
- 医学教育 医学教育
- 教育技术的教育技术
背景情况:
- 基于确定性的标记 (CBM) 增强了自我评估和元认知意识.
- 在生理学评估中实施CBM可以改善学习成果.
研究的目的:
- 探索CBM在生理学第一年医学学生的多选项评估中的实施.
- 评估CBM对学生表现,自我评估和元认知意识的影响.
主要方法:
- 在AI的协助下开发了一个基于网络的CBM评估工具 (第3.5条).
- 15个MCQ作为预测和后测对195名一年级医学学生进行了15次MCQ.
- 通过调查分析了学生的表现,确定性指数和感知.
主要成果:
- 从测试前到测试后,观察到性能和确定性指数的显著改善.
- 大多数学生发现确定性尺度是有益的,导致答案修订和更好的知识差距识别.
- 学生报告说,他们提高了元认知意识,自我监测技能,并比传统的MCQ更喜欢CBM.
结论:
- 人工智能辅助的CBM功能既是一种评估,又是一种教学工具,在生理学教育中增强了元认知意识和自我监测.
- 虽然CBM在改善知识保留和确定性校准方面表现有前途,但需要进行纵向研究.
- 在评估设计中整合人工智能为改善教育策略和可访问性提供了潜力.
