基于人工智能的个性化学生反系统-Sisu Athwala'以提高医学本科生的考试成绩
Thilanka Seneviratne1, Supun Manathunga1, Wathsala Idirisingha1
1Department of Pharmacology, Faculty of Medicine, University of Peradeniya, Peradeniya, Sri Lanka.
PloS one
|December 4, 2025
概括
一个名为Sisu Athwala的AI工具为医学学生提供了个性化的反,提高了考试成绩. 它是使用检索增强生成 (RAG) 开发的,它解决了医学教育中的资源限制.
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
- 提高学生的成绩 提高学生的成绩
背景情况:
- 在医学教育中,指导和反对于学生的进步至关重要.
- 提供个性化的反是耗时且资源有限的.
- 人工智能 (AI) 提供了一个解决方案,但大型语言模型 (LLM) 存在不准确的风险.
研究的目的:
- 开发一个人工智能工具,使用检索增强生成 (RAG) 来定制医学学生的反.
- 在反生成中,尽量减少LLM的不准确性.
- 评估人工智能工具的有效性与学生导师和最终用户.
主要方法:
- 使用GPT-4 LLM和RAG管道开发了一个AI反工具.
- 利用专家指令集和代表向量总结 (RVS) 来最大限度地减少偏见并捕捉学生的担忧.
- 通过专家导师和最终用户问卷来评估该工具.
主要成果:
- 最终用户报告了积极的经验,92%的人认为压力管理建议有帮助,60%的人认为研究技术有用.
- 专家导师一致同意,该工具确定了优势和需要改进的领域 (Pendleton模型).
- 90%的导师发现人工智能工具提供了明确的,可行的计划.
结论:
- 西苏阿斯瓦拉人工智能工具成功地为医学学生提供了个性化的反和指导.
- 该工具受到学生和专家导师的欢迎.
- 人工智能支持的反可以补充人类指导,克服资源限制.
