加强麻醉监测培训:由人工智能个性化的SPOC和Gagné模型混合体

科学领域:

• 医学教育 医学教育
• 护理教育 护理教育
• 教育中的人工智能

背景情况:

• 高质量的麻醉护士培训对于患者安全至关重要.
• COVID-19加速了在线学习,在参与和个性化方面提出了挑战.
• 人工智能驱动的个性化可能会提高在线麻醉教育的有效性.

研究的目的:

• 评估人工智能个性化的在线学习模型对麻醉护理学生的知识和技能的影响.
• 为了比较结构化的在线课程的有效性与AI个性化与标准在线教学.

主要方法:

• 一项干预性测试前测试后测试研究,涉及350名本科麻醉护理学生.
• 通过VARK问卷识别的学习风格,并使用人工神经网络 (ANN) 模型进行分类.
• 干预组接受了基于Gagné的九步模型的AI个性化小型私人在线课程 (SPOC);对照组接受了标准的在线指令.

主要成果:

• 与对照组相比,干预组的知识 (平均变化+17.48) 和技能 (平均变化+10.66) 显著改善.
• 干预组的增长在统计学上是显著的 (p<0.001对知识,p=0.014对技能).
• 该ANN模型准确地分类了学习风格,对于听觉和动感学习者来说准确度很高.

结论:

• 一个人工智能个性化的SPOC模型,结合了Gagné的教学步骤,显著提高了麻醉学生的知识和技能.
• 这种结构化,可扩展的方法为有效的在线医学教育提供了一个有希望的框架.