基于人工智能的聊天机器人提高了医学学生课程导向的效率:一个横截面研究
Gergely H Fodor1, József Tolnai2, Ferenc Rárosi2
1Department of Medical Physics and Informatics, Albert Szent-Györgyi Medical School, University of Szeged, 9 Korányi Fasor, Szeged, 6720, Hungary. fodor.gergely@med.u-szeged.hu.
BMC medical education
|November 5, 2025
概括
与传统方法相比,一个经过定制训练的聊天机器人显著提高了医学学生找到课程信息的能力. 这种人工智能工具增强了对关键内容的理解,特别是对英语作为第二语言 (ESL) 学习者.
科学领域:
- 医疗教育 技术 技术 医学教育
- 医疗保健中的人工智能
- 学术支持系统学术支持系统
背景情况:
- 大型语言模型 (LLM) 为加强医学教育中的学术和行政流程提供了新的机会.
- 对于母语不同于教学语言的学生来说,LLM特别有益.
- 这项研究调查了定制训练的聊天机器人与传统资源在医学学生的英语作为第二语言 (ESL) 课程指导的有效性.
研究的目的:
- 评估是否一个定制训练的聊天机器人可以提供比传统的基于文本的材料更好的支持课程导向.
- 评估人工智能驱动的对话界面对国际医学学生信息检索和理解的影响.
主要方法:
- 七十五名一年级国际医学学生被分为两个组:一个使用定制的基于ChatGPT的聊天机器人 (AI组,n=35) 和另一个使用标准的电子学习平台 (传统组,n=40).
- 参与者在10分钟的时间内完成了六项测试,评估从课程中检索信息.
- 关键指标包括测试成绩,每题时间和问题复习,使用独立的t测试和双向ANOVA进行分析.
主要成果:
- 人工智能组的测试得分明显高 (中位数为5.0) 比传统组 (中位数为3.5) (P < 0.001).
- 在总体完成时间,每个问题的时间或组之间的再访中没有发现显著差异.
- 人工智能组在与课程物流相关的问题上表现出色,例如出席率和评分标准 (P < 0.001).
结论:
- 使用定制聊天机器人的人工智能辅助信息检索显著提高了学生找到和理解基本课程内容的能力.
- 交谈式人工智能接口显示了通过简化信息获取和提高对程序细节的理解来增强医学教育的入学过程的潜力.
- 这些发现表明,基于LLM的工具在各种教育环境中具有更广泛的适用性,以支持学习和行政效率.
