从好奇心到能力:一个结构化的教师发展模型,用于将人工智能整合到健康职业教育中

科学领域:

• 健康 专业 教育 卫生 专业 教育
• 人工智能在医学中的应用
• 教育技术的教育技术

背景情况:

• 由于缺乏教学模型和评估框架,卫生专业教育 (HPE) 在整合人工智能 (AI) 方面面临挑战.
• 迫切需要教师发展 (FD) 来解决人工智能在HPE中的复杂应用.

研究的目的:

• 设计和实施一门在线选修课程",人工智能在HPE中的应用",以支持负责任的AI整合到卫生专业教育中.
• 在教师的教育实践中,为教师提供一种结构化的方法来理解和利用人工智能工具,包括生成人工智能 (GenAI).

主要方法:

• 一个为期六周的在线选修课程是在约翰霍普金斯MEHP计划中开发和实施的.
• 该课程使用了人工智能能力框架,结合了结构化的现实任务,即时工程和道德反思.
• 用于定制GPT创建的BUILDS等框架被采用以促进实际应用.

主要成果:

• 参与者对以教学为先的设计表示高度重视,强调其实际相关性和透明度.
• 该课程通过实践活动和道德考虑,成功支持了GenAI负责任的整合.
• 该计划促进了HPE人工智能能力的发展,同时保持了学术严谨性.

结论:

• 开发的在线选修课程为HPE的AI专注教师发展提供了一个可行的模型.
• 这个倡议有助于为卫生专业的教育工作者建立必要的AI能力.
• 课程设计优先考虑负责任的人工智能使用,学术诚信和认知技能提升.