评估基于问题的学习计划对日本医学学生人工智能道德的影响:混合方法研究研究

科学领域:

• 医学教育 医学教育
• 人工智能伦理学 人工智能伦理学
• 医疗信息学 医疗信息学

背景情况:

• 医学院的课程落后于整合人工智能 (AI) 教育.
• 医学学生在积极的人工智能认知和实际能力之间存在差距,特别是在法律和道德理解方面.
• 现有的人工智能教育挑战包括解决临床实践中的监管和伦理复杂性.

研究的目的:

• 评估教育计划在提高医学学生对法律和道德AI问题的理解方面的有效性.
• 评估该计划对知识获取和学生道德推理的定性转变的影响.
• 确定讲座和基于问题的学习 (PBL) 组件的贡献.

主要方法:

• 一个混合方法,单组测试前后测试设计,涉及118名四年级医学学生.
• 一天的干预包括一场讲座和一场关于临床AI病例的PBL会议.
• 通过MCQ进行定量分析,使用描述性论文和文本挖掘进行定性分析.

主要成果:

• 干预后客观知识得分显著改善 (P<.001).
• 定性分析揭示了关于人工智能伦理的分裂到综合思维网络的转变.
• 学生们越来越多地使用专业和道德术语,如"偏见"和"个人信息".

结论:

• 基于PBL的教育有效地改善了医学学生的AI伦理知识和推理.
• 该计划促进了从抽象到具体的转变,临床相关的伦理思维.
• 在医学教育中,PBL展示了作为人工智能伦理的关键教学方法的潜力.