塑造放射学教育的未来:来自ChatGPT和生成AI的教训

科学领域:

• 放射学 教育 放射学教育
• 健康 职业 教育 教育 专业
• 教育中的人工智能

背景情况:

• 生成型人工智能 (AI),包括像ChatGPT这样的大型语言模型,正在越来越多地影响健康专业的教育和持续专业发展 (CPD).
• 放射学学科在评估这些新兴人工智能技术在教育环境中的好处和局限性的独特地位.

研究的目的:

• 进行叙事审查和概念综合新出现的证据,在放射学教育中使用生成AI.
• 探索生成AI在图像批评,专业沟通培训,基于模拟的学习,CPD规划和放射学中的反射实践中的应用.

主要方法:

• 采用叙事审查方法来综合来自放射学特定研究的碎片证据.
• 该审查整合了教育理论和专业法规,为负责任的AI整合提出了一个概念框架.

主要成果:

• 生成型人工智能可以提供结构化的指导,支持自我评估和支架学习,将学术知识与放射学中的临床期望联系起来.
• 虽然人工智能可以识别广泛的图像评估问题并帮助元认知推理,但它在沟通培训中缺乏关系细微差别,在反思实践中缺乏情感深度.
• 人工智能驱动的模拟显示出安全实验的潜力,但往往缺乏上下文和专业洞察力;它们的教育价值取决于教学框架,教育工作者监督和学习者关键参与.

结论:

• 放射学教育中的生成人工智能最好被视为教学文物,其教育价值取决于仔细的框架,教育工作者监督和积极的学习者批判性评估.
• 负责任的整合需要优先考虑人工智能素养,道德治理和专业问责制,以在放射学教育连续性中导航生成人工智能的采用.