当评估理论与生成AI相遇时:在医学教育中重新想象SBA设计

科学领域:

• 医学教育 医学教育
• 教育中的人工智能
• 评估理论评估理论

背景情况:

• 目前对医疗教育项目写作中的生成人工智能 (GenAI) 的评估集中在有效性和可靠性上.
• 这种有限的范围忽视了可信度评估设计的理论基础以及质量,效率和教育价值的复杂相互作用.
• 现有的方法未能充分解决GenAI采用如何重塑这些关键评估维度.

研究的目的:

• 介绍共同创建的SBA设计 (CCSD) 框架,为GenAI时代重新构想评估理论.
• 为医疗教育中将GenAI整合到单一最佳答案 (SBA) 开发中提供一个结构.
• 在重新定义项目写作协作的同时,在范德弗莱顿的实用指数维度中保持平衡.

主要方法:

• 该研究提出了CCSD框架,将GenAI整合到单一最佳答案 (SBA) 项目编写过程中.
• 它使用Van der Vleuten的实用指数作为指导框架开发的理论镜头.
• 该框架建立了一个涉及教育工作者,机构和GenAI的三元合作模式.

主要成果:

• 中央证券交易中心框架为GenAI在SBA发展中的整合提供了一个连贯的结构.
• 它重新定义了教育工作者,机构和GenAI在项目编写过程中的合作角色.
• 该框架确保了有效性,可靠性,教育影响,可接受性和成本效益之间的平衡.

结论:

• 该框架支持医学教育评估的教育完整性和可持续创新.
• 它通过平衡质量,效率和教育价值来解决GenAI采用的复杂性.
• 这种三元模型确保每个贡献者在维持高质量的评估设计方面发挥着独特的作用.