人工智能增强的社会机器人与基于计算机的虚拟患者用于医学教育中的临床推理培训:观察交叉队列研究

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
• 临床推理培训 临床推理培训

背景情况:

• 虚拟患者 (VP) 模拟对于临床推理 (CR) 实践至关重要.
• 传统的基于计算机的VP往往缺乏现实主义和参与度.
• 人工智能增强的社会机器人VP显示出希望,但缺乏定量比较数据.

研究的目的:

• 量化比较医学学生与人工智能增强的社会机器人VP的经验与传统的基于计算机的VP.
• 评估平台设计特征如何促进CR技能培训.

主要方法:

• 一项观察性交叉队列研究,涉及178名医学学生.
• 学生们使用了社会人工智能增强机器人界面 (SARI) 和虚拟交互案例 (VIC) 平台.
• 使用验证的问卷和视觉模拟尺度评估了VP设计和CR培训偏好.

主要成果:

• 在所有被评估的设计领域中,SARI的表现优于VIC:真实性,专业方法,指导质量,学习效果和整体判断.
• 学生们压倒性地更喜欢SARI进行CR培训 (72%对14%).
• 在大多数子组中,对SARI的偏好是一致的,除了之前有VP经验的学生或最初进入VIC的学生之外,还有一些例外.

结论:

• 与传统平台相比,AI增强的社交机器人VP为CR培训提供了优越的设计特性.
• 这些发现支持将人工智能驱动的社交机器人整合到医学教育中,以提高学生对临床实践的准备.
• 这项研究提供了人工智能增强的社会机器人和传统的基于计算机的VP之间的设计特征的第一次定量比较.