Digital Health Workforce Development for Smart Health Services: A Stakeholder Survey and Proof-of-Concept Knowledge- Graph Evaluation in China

تخيل عالم الرعاية الصحية كأنه محطة قطارات ضخمة ومزدحمة. في الماضي، كانت القطارات (الأطباء والممرضون ومقدمو الرعاية) تنقل المسافرين إلى وجهات قليلة ومحددة في الغالب: مثل علاج الكسور، أو علاج الحمى، أو إدارة أمراض القلب. وكانت الخرائط (المناهج الدراسية) المستخدمة لتعليم هؤلاء العاملين بسيطة وثابتة، حيث تظهر مسارات واضحة لهذه المحطات المعروفة. ولكن اليوم، تتغير المحطة. فهناك قطارات جديدة عالية التقنية تصل، يمكنها إدارة الأمراض المزمنة، ودعم رعاية المسنين، واستخدام الذكاء الاصطنا Predict التنبؤ بالمشكلات الصحية قبل حدوثها. هذه هي "خدمات الصحة الذكية".

المشكلة هي أن الخرائط القديمة لا تظهر المسارات الجديدة. فإذا حاولت تعليم طالب كيفية قيادة قطار مستقبلي باستخدام خريطة من قبل خمسين عاماً، فسوف يتوه. وهنا يأتي دور مفهوم "المواءمة بين المنهج والقوى العاملة". فكر في الأمر كعملية تحديث مستمر للخريطة بحيث يتطابق ما يُدرَّس في الفصول الدراسية تماماً مع الوظيفة الفعلية التي سيقوم بها العامل غداً. والآن، تخيل محاولة تحديث هذه الخريطة يدوياً؛ الأمر يشبه محاولة رسم خريطة مدينة جديدة بينما تُبنى المدينة في الوقت الفعلي، مع ظهور ملايين الطرق الجديدة كل يوم. إنه أمر مرهق للغاية. وهنا تدخل "رسوم المعرفة البيانية" (Knowledge Graphs) إلى القصة. يمكنك التفكير في "رسم المعرفة البياني" كنظام تحديد مواقع (GPS) فائق الذكاء للتعليم؛ فبدلاً من كونه ورقة مسطحة، هو عبارة عن شبكة ضخمة ومتوهجة من الروابط التي تربط كل درس ومهارة ومهمة وظيفية معاً، وتوضح بدقة كيف تتناسب جميعها.

يطرح هذا البحث سؤالاً بسيطاً ولكنه حاسم: إذا استخدمنا نظام تحديد المواقع الفائق الذكاء هذا (رسم معرفة بياني مدعوم بالذكاء الاصطناعي) للمساعدة في تحديث خرائط التدريب الخاصة بنا، فهل سيجعل العمال أكثر استعداداً لوظائفهم بالفعل؟ لم يكتف الباحثون ببناء نظام تحديد المواقع ثم الأمل في تحقيق أفضل النتائج؛ بل سألوا الأشخاص الذين يعملون فعلياً في المحطة — المعلمين، والطلاب، ومديري المستشفيات، وخبراء السياسات — عما إذا كانوا يشعرون حقاً بأن هذه الأداة ساعدتهم في ربط دروسهم بالعالم الحقيقي. أرادوا معرفة ما إذا كان استخدام هذه الأداة الرقمية يجعل التدريب يبدو أكثر صلة بالواقع، وما إذا كان يساعد في إصلاح عدم التوافق بين ما يتعلمه الطلاب وما تتطلبه الوظيفة فعلياً.

الدراسة: رسم مستقبل العاملين في مجال الصحة

قرر الباحثون، الذين يتخذون من الصين مقراً لهم، استقصاء هذا الأمر من خلال التحدث إلى 250 شخصاً مختلفاً مشاركاً في عالم "الصحة الذكية". لم يكونوا مجرد أشخاص عشوائيين؛ بل كانوا مزيجاً من التربويين، والطلاب، وإداريي المستشفيات، والخبراء الذين يعرفون خفايا الرعاية الصحية ورعاية المسنين. وقد طلبوا من هؤلاء المعنيين تقييم ثلاثة أمور رئيسية:

1. مدى فائدة رسم المعرفة البياني المدعوم بالذكاء الاصطناعي من وجهة نظرهم (هل بدا وكأنه أداة مفيدة؟).
2. مدى تطابق المنهج الدراسي للمدرسة مع الوظيفة الفعلية (هل كان التدريب متوافقاً مع الواقع؟).
3. مدى جودة تطوير القوى العاملة بشكل عام (هل بدا البرنامج مهيئاً الناس بشكل جيد؟).

كما اختبروا نسخة "إثبات المفهوم" من رسم المعرفة البياني هذا. فكر في هذا كنموذج أولي لنظام تحديد المواقع قام به الفريق ليرى ما إذا كان بإمانه التعامل مع البيانات بالفعل. لقد غذّوه بآلاف القطع من المعلومات: المناهج الدراسية، والأوصاف الوظيفية، ومتطلبات المهارات. ثم طلبوا من الخبراء التحقق مما إذا كانت الروابط التي صنعها الذكاء الاصطناعي صحيحة، وقاموا بتوقيت المدة التي يستغرقها اكتشاف الفجوات في خطط التدريب مع وبدون استخدام الذكاء الاصطعي.

ما وجدوه

كانت النتائج واعدة للغاية، رغم أن المؤلفين حذرون في قولهم إن هذا مجرد "اقتراح" بناءً على لقطة زمنية، وليس إثباتاً نهائياً للسبب والنتيجة.

أولاً، الأشخاص الذين شعروا أن رسم المعرفة البياني المدعوم بالذكاء الاصطناعي كان أداة مفيدة، مالوا أيضاً إلى الإبلاغ عن أن البرامج التدريبية كانت متوافقة بشكل أفضل بكثير مع الوظائف في العالم الحقيقي. وكأن المجموعة التي تستخدم نظام تحديد المواقع شعرت بأنها تسير على المسار الصحيح. وتحديداً، وجدت الدراسة رابطاً إيجابياً قوياً: عندما كان إدراك الناس للدعم المقدم من الذكاء الاصطناعي مرتفعاً، كان التوافق بين ما يُدرَّس وما هو مطلوب أفضل بشكل ملحوظ.

ثانياً، ولعل الأهم، تشير الدراسة إلى أن أداة الذكاء الاصطناعي تعمل من خلال هذا التوافق. فالأمر ليس سحراً يجعل الطلاب أكثر ذكاءً بشكل فوري؛ بل إن أداة الذكاء الاصطناعي تساعد المعلمين على رؤية الروابط بين الدروس والوظائف، وهو ما يؤدي بعد ذلك إلى تدريب أفضل. وأظهرت البيانات أن حوالي 56.5% من التأثير الإيجابي للذكاء الاصطناعي على جودة التدريب كان بسبب مساعدته في إصلاح التوافق بين المنهج الدراسي واحتياجات القوى العاملة.

كما كان اختبار "إثبات المفهوم" لرسم المعرفة البياني نفسه ناجحاً. فقد احتوى الخريطة الرقمية على أكثر من 2,000 عقدة (نقطة معلومات) وما يقرب من 6,000 اتصال. وعندما فحص الخبراء الخريطة، وجدوا أنها دقيقة بنسبة 88% في روابطها. والأكثر إثارة للإعجاب هو أنه عندما حاول المستخدمون العثور على الفجوات في خطة تدريبية، ساعدهم الذكاء الاصطناني في القيام بذلك بشكل أسرع؛ حيث انخفض الوقت المستغرق لتحديد المهارات المفقودة من متوسط 41.2 دقيقة إلى 26.5 دقيقة، أي انخفاض بنسبة 35.7%. كما وجدوا فجوات أكثر (9.4 بدلاً من 5.8) عند استخدام الأداة.

ماذا يعني هذا (وما الذي لا يعنيه)

تشير الورقة البحثية إلى أن رسوم المعرفة البيانية المدعومة بالذكاء الاصطناعي تكون أكثر قيمة عندما تعمل كـ "بنية تحتية" أو العمود الفقري الذي يربط الأنظمة التعليمية والصحية معاً، بدلاً من كونها مجرد أداة تقنية متطورة في الفصل الدراسي. فمن خلال ربط الدورات التدريبية بالمهام الوظيفية ومعايير الكفاءة، يمكن لهذه الأدوات مساعدة المدارس على تحديث مناهجها بشكل أسرع ومساعدة المستشفيات على التخطيط لتوظيف كوادرها بشكل أفضل.

ومع ذلك، فإن المؤلفين واضحون جداً بشأن ما لا تثبته هذه الدراسة. فبما أنهم سألوا الناس عن آرائهم في نقطة زمنية واحدة، فلا يمكنهم الجزم بأن استخدام أداة الذكاء الاصطนี้ قد تسبب في تحسين الأداء الوظيفي أو أن الخريجين سيتم توظيفهم بشكل أسرع بالتأكيد. فهم لم يتتبعوا الطلاب لسنوات لمعرفة ما إذا حصلوا على وظائف أو ما إذا كان المرضى قد أصبحوا بصحة أفضل. كما أشاروا إلى أنه بينما ساعدت الأداة في تحديد الفجوات بسرعة، إلا أن "مزيج المهارات" الفعلي في العالم الحقيقي كان لا يزال يحتوي على بعض الفجوات (حوالي ثلثي المهارات المطلوبة فقط كانت مغطاة في وثائق المناهج الدراسية التي فحصوها).

باختصار، تشير الدراسة إلى أنه إذا أردنا إعداد العاملين في مجال الصحة لمستقبل الرعاية الصحية الرقمية ورعاية المسنين عالي التقنية، فنحن بحاجة إلى خرائط أفضل. وتبدو رسوم المعرفة البيانية المدعومة بالذكاء الاصطناعي وسيلة واعدة جداً لرسم تلك الخرائط، مما يسهل على المعلمين والمخططين رؤية الأماكن التي تفتقر إلى المسارات وإصلاحها قبل أن يركب الطلاب القطار حتى. ولكن، كما هو الحال مع أي تكنولوجيا جديدة، فهي أداة لمساعدتنا في التخطيط، وليست ضماناً بأن الرحلة ستكون مثالية دون جهد بشري.