将大型语言模型集成到医学本科实验室课程中,以提高生物伦理能力:一个准实验性研究

科学领域:

• 医学教育 医学教育
• 生物伦理学生物伦理学
• 人工智能在医学中的应用

背景情况:

• 本科医学教育需要强大的生物伦理学培训.
• 整合大型语言模型 (LLM) 等新技术为增强教学方法提供了机会.
• 在专业医学课程中不同LLM的有效性仍未得到充分探索.

研究的目的:

• 研究将各种大型语言模型 (LLM) 集成到医学细胞生物学实验室课程 (MCBLC) 中.
• 为了比较不同LLM在改善生物伦理学培训,教学成果和学生学习方面的有效性.
• 确定实施挑战,并探索在医学教育中LLM整合的潜在解决方案.

主要方法:

• 来自三个专业的第一年本科医学学生参加了一项阶段性研究.
• 四个国内的LLM (DeepSeek,Doubao,KIMI,ChatGLM) 被用来帮助实验实践和解决学习挑战.
• 学生的学习和感知被通过问卷和盲目评分的实验室报告来评估.

主要成果:

• 这四个LLM都帮助学生巩固知识,提高生物伦理学能力和发展关键能力.
• 医疗成像技术的学生对KIMI和DeepSeek的评分更高;KIMI更喜欢健康监测和隔离和医疗预防的学生.
• 学生报告满意度很高,但对潜在的不准确性,偏见和对独立思维的影响表示担忧.

结论:

• 士学位,特别是KIMI和DeepSeek,显示了加强生物伦理学在本科医学实验室课程中的整合的潜力.
• 这些工具可以支持信息获取,道德反思和实际挑战导航,促进学习和道德意识.
• 法学士一体化可能有助于培养有道德意识和有能力的未来医生,尽管需要仔细考虑局限性.