用生成性AI增强精神病学教育:对人工智能辅助对象关系理论培训的试点研究
Conner Polet1,2, Deepti Anbarasan3, Brennan Carrithers3
1New York University Langone Medical Center, New York, United States. poletc@nychhc.org.
概括
大型语言模型 (LLM) 可以通过生成对象关系理论 (ORT) 公式来帮助精神动力学精神病学教育. 虽然对概念发展有价值,但教师监督对于减轻人工智能产生的内容中潜在的偏见和不准确性至关重要.
科学领域:
- 精神病学是一个精神病学.
- 医学教育 医学教育
- 人工智能的人工智能
背景情况:
- 精神动力学精神病学培训依赖于理解复杂的理论,如对象关系理论 (ORT).
- 大型语言模型 (LLM) 为教育内容生成提供了新的工具.
- 在居民教育中评估LLM生成的ORT配方的实用性是有必要的.
研究的目的:
- 评估LLM产生的ORT配方在增强精神动力学精神病学住院人员教育方面的有效性.
主要方法:
- 一项涉及11名居民的观察性研究使用GPT-4从案例叙述中生成ORT配方.
- 居民评价了人工智能产生的内容的准确性,清晰性和教育价值.
- 定性主题分析探讨了居民的看法,并确定了关键主题.
主要成果:
- 居民对人工智能生成的ORT配方在清晰度,结构和教育价值方面评价很高.
- 关键主题包括改善概念定,但也存在过度概括和母性偏见的风险.
- 结果通常是简洁的和临床上适用的,有时会出现不准确的情况.
结论:
- 人工智能生成的ORT配方,在监督下,可以通过标准化术语和帮助概念成长来补充精神动力学教育.
- 需要进一步的研究来评估对标准化评估和其他理论模型的影响.
