Design and evaluation of a mobile app for artificial intelligence education among healthcare students: A before-and-after study
تُظهر هذه الدراسة القائمة على قياس ما قبل وما بعد أن تطبيق الهاتف المحمول "AIMedEdu" باللغة الفارسية قد حسّن بشكل كبير من إدراك طلاب الرعاية الصحية لمدى جاهزيتهم للذكاء الاصطناعي الطبي وحصل على تقييمات ممتازة في سهولة الاستخدام، رغم الحاجة إلى أبحاث مستقبلية لتأكيد الفعالية التعليمية على المدى الطويل والقدرة على التعميم.
أصبح الذكاء الاصطناعي جزءًا قياسيًا سريع النمو في الرعاية الصحية الحديثة، حيث يظهر في كل شيء بدءًا من الأدوات التي تساعد الأطباء على قراءة الأشعة السينية إلى الأنظمة التي تتنبأ بالمخاطر التي تواجه المرضى. ومع ازدياد شيوع هذه التقنيات، يحتاج الأشخاص الذين سيستخدمونها في المستقبل — وهم طلاب الطب والعلوم الصحية — إلى فهم ليس فقط كيفية تشغيلها، بل كيفية التفكير فيها بشكل نقدي. يجب عليهم تعلم كيفية التعرف على قيود هذه الأنظمة، ورصد الأخطاء أو الانحيازات المحتملة، والتنقل عبر الأسئلة الأخلاقية التي تبرز عندما تتخذ آلة قرارًا يتعلق بالحياة أو الموت. حاليًا، يشعر العديد من الطلاب بعدم الاستعداد لهذا التحول؛ فهم غالبًا ما يحملون آراءً إيجابية حول إمكانات الذكاء الاصطناعي، لكنهم يقرون بافتقارهم إلى المعرفة المنظمة لاستخدامه بأمان وفعالية. وتخلق هذه الفجوة بين التفاؤل والجاهزية حاجة إلى طرق جديدة لتدريس هذه المهارات المعقدة.
ولمعالجة هذه الحاجة، طور باحثون في جامعة مشهد للعلوم الطبية في إيران تطبيقًا للهاتف المحمول يسمى "AIMedEdu"، صُمم خصيصًا لتدريس مفاهيم الذكاء الاصطناعي لطلاب الرعاية الصحية بلغتهم الأم (الفارسية). لم يقم الفريق بمجرد التخمين بشأن المحتوى الذي يجب تضمينه، بل أجروا أولاً بحثًا مكثفًا لتحديد ما يحتاج الطلاب لتعلمه بالضبط وكيف يفضلون التعلم. أدت هذه الأرضية البحثية إلى إطار عمل يتكون من أحد عشر موضوعًا تعليميًا متميزًا، تتراوح من المفاهيم الأساسية وعلم البيانات إلى التطبيقات السريرية والأخلاقيات والتواصل. بُني التطبيق الناتج ليكون مرنًا، مما يسمح للطلاب بالدراسة دون اتصال بالإنترنت، وتتبع تقدمهم، وإجراء اختبارات تفاعلية. ثم اختبر الباحثون هذه الأداة مع سبعة وتسعين طالبًا على مدار ثلاثين يومًا لمعرفة ما إذا كانت ستعزز ثقتهم وفهمهم بالفعل.
كانت نتائج الدراسة مذهلة. فقبل استخدام التطبيق، كان متوسط درجات الطلاب في اختبار يقيس مدى جاهزيتهم المتصورة للعمل مع الذكاء الاصطناዊ الطبي منخفضًا نسبيًا، حيث استقر عند حوالي خمس وأربعين نقطة من أصل مائة وعشر نقاط ممكنة. وبعد قضاء شهر في العمل عبر وحدات التطبيق، قفز متوسط درجاتهم إلى ما يقرب من مائة وثماني نقاط. يشير هذا الارتفاع الهائل إلى أن الطلاب شعروا بجاهزية أكبر بكثير للانخراط مع الذكاء الاصطناعي في مسيراتهم المهنية المستقبلية. ولم يقتصر التحسن على مجال واحد فقط، بل ظهر في جميع المجالات الأربعة الرئيسية التي تم قياسها: فهمهم للمفاهيم، وإيمانهم بقدرتهم على استخدام الأدوات، ورؤيتهم لكيفية ملاءمة هذه الأدوات للطب، واستيعابهم للتداعيات الأخلاقية. لاحظ الباحثون أن درجات الطلاب بعد التدريب كانت عالية جدًا لدرجة أنها تجمعت بالقرب من الحد الأعلى للمقياس، مما يشير إلى أن التطبيق نجح في إيصال الجميع تقريبًا إلى مستوى عالٍ من الكفاءة المتصورة.
وبعيدًا عن المكاسب التعليمية، حقق التطبيق نفسه نجاحًا كبيرًا من حيث تجربة المستخدم. فعندما طُلب من الطلاب تقييم مدى سهولة ومتعة استخدام التطبيق، منحوه درجة استثنائية، بمتوسط تجاوز واحد وتسعين من مائة. وتضع هذه الدرجة، المعروفة بدرجة سهولة الاستخدام، التطبيق في الفئة العليا من الأدوات الرقمية، مما يشير إلى أنه كان بديهيًا ومصممًا بشكل جيد. وجد الطلاب أن التطبيق سهل التعلم، وشعروا بالثقة في استخدامه، ولم يشعروا أنه يتطلب معرفة سابقة واسعة للبدء. كما قامت لجنة من خمسة خبراء، تضم متخصصين في التعليم الطبي والذكاء الاصطناعي، بمراجعة التطبيق قبل استخدامه من قبل الطلاب ومنحوه تقييمًا مرتفعًا مماثلًا، مما أكد أن المحتوى دقيق والبنية سليمة.
كانت واحدة من أكثر النتائج إثارة للاهتمام هي أن التطبيق عمل بنفس الكفاءة للجميع، بغض النظر عن خلفياتهم. بحث الباحثون لمعرفة ما إذا كان الطلاب الذين لديهم معرفة مسبقة بأدوات الذكاء الاصطناعي قد تعلموا أكثر من أولئك الجدد في هذا المجال، أو ما إذا كان الطلاب في سنوات مختلفة من تعليمهم أو تخصصات طبية مختلفة قد استجابوا بشكل مختلف. ووجدوا عدم وجود فروق ذات دلالة إحصائية. وسواء كان الطالب يدرس العلاج الطبيعي، أو طب العيون، أو تكنولوجيا المعلومات الصحية، أو كان قد استخدم الذكاء الاصطناعي من قبل أم لا، فقد أظهروا جميعًا تحسينات كبيرة ومتشابهة. يشير هذا إلى أن تصميم التطبيق كان فعالًا في جسر فجوة المعرفة لمجموعة متنوعة من المتعلمين، مما يجعله أداة قيمة محتملة للتعليم الطبي عبر مختلف التخصصات.
وعلى الرغم من هذه النتائج الإيجابية، فإن الباحثين حذرون في توضيح حدود ما تثبته هذه الدراسة. نظرًا لأن الدراسة لم تتضمن مجموعة ضابطة من الطلاب الذين لم يستخدموا التطبيق، فمن المستحيل القول بيقين مطلق أن التطبيق وحده هو الذي تسبب في هذا التحسن، رغم أن النتائج مرتبطة بقوة باستخدامه. علاوة على ذلك، فإن الاختبار قاس مدى الجاهزية التي شعر بها الطلاب بدلاً من اختبار قدرتهم الفعلية على حل المشكلات المعقدة أو معرفتهم الموضوعية. كما أن حقيقة أن الدرجات كانت مرتفعة جدًا بعد التدريب تعني أيضًا أن الاختبار ربما وصل إلى نقطة لم يعد بإمكانه عندها التمييز بين المستويات العالية جدًا من الجاهزية. ويخلص الباحثون إلى أنه بينما يعد التطبيق أداة واعدة وعالية الاستخدام تعزز ثقة الطلاب، فإن الدراسات المستقبلية ستحتاج إلى استخدام أساليب أكثر صرامة واختبارات موضوعية للتأكد من أن هذه الثقة تترجم إلى مهارات حقيقية في العالم الواقعي واستبقاء طويل الأمد للمعلومات.
ملخص تقني: تصميم وتقييم تطبيق AIMedEdu للتعليم الطبي في مجال الذكاء الاصطناي
بيان المشكلة يواجه طلاب الرعاية الصحية بشكل متزايد الذكاء الاصطناائي (AI) في الإعدادات السريرية، لكنهم غالبًا ما يفتقرون إلى التحضير المنظم اللازم لفهم هذه التقنيات وتقييمها واستخدامها بمسؤولية. وبينما يحمل الطلاب مواقف إيجابية تجاه الذكاء الاصطناعي بشكل عام، تشير المراجعات المنهجية إلى وجود فجوة كبيرة في معرفتهم ومهاراتهم العملية وخبراتهم التطبيقية. وتتسم الفرص التعليمية الحالية بعدم الاتساق، ولم يتم تحديد أي تطبيق للهواتف المحمولة يوفر تعليمًا منظمًا للذكاء الاصطناعي لطلاب الرعاية الصحية بناءً على إطار عمل موثق في الدراسات السابقة. وتخاطر هذه الفجوة بالوقوع في فخ الاعتماد غير النقدي على مخرجات الذكاء الاصطناعي أو التردد في تبني التقنيات المفيدة.
المنهجية استخدمت الدراسة تصميم المجموعة الواحدة (قبل وبعد) والتي أُجريت بين مايو ويوليو 2026 في جامعة مشهد للعلوم الطبية، إيران. اتبع البحث عملية مكونة من ثلاث مراحل:
تطوير المحتوى والتطبيق:
إطار العمل: تم بناء التطبيق، المسمى AIMedEdu، بناءً على إطار عمل هيكلي ومحتوى تم التحقق من صحته مسبقًا والمستمد من تقييم احتياجات ذي منهج مختلط. حدد هذا الإطار 11 مجالًا للمحتوى التعليمي (مثل: المفاهيم الأساسية، علم البيانات، التطبيقات السسييرية، الأخلاقيات) و20 ميزة هيكلية.
مراجعة الخبراء: قبل التنفيذ، قامت لجنة متعددة التخصصات مكونة من خمسة خبراء (في التعليم الطبي، تكنولوجيا التعليم، الذكاء الاصطناعي، المعلوماتية الطبية، وإدارة المعلومات الصحية) بإجراء جولتين من المراجعة المتكررة للتحقق من الدقة العلمية، والملاءمة، وسهولة الاستخدام.
التنفيذ التقني: تم تطوير AIMedEdu كتطبيق أندرويد باستخدام لغة Java وAndroid Studio عبر بنية هجينة تعتمد على WebView. سمح ذلك لحاوية أصلية (native container) بعرض موارد تعليمية قائمة على الويب، مما مكن من الوصول إلى المحتوى الأساسي دون اتصال بالإنترنت بعد التثبيت. كما تم إنشاء نسخة ويب مستجيبة لمستخدمي iOS وأجهزة سطح المكتب. استخدمت الواجهة تخطيطًا من اليمين إلى اليسار لمستخدمي اللغة الفارسية.
الميزات: تضمن التطبيق 11 وحدة تتضمن أهدافًا تعليمية، أمثلة رعاية صحية، ملخصات، واختبارات تفاعلية. كما تميز بخاصية تتبع التقدم، وحفظ العلامات المرجعية، ومساعد تعلم محلي يعمل دون اتصال بالإنترنت، والوضع الداكن، وإصدار الشهادات عند الإتمام.
إجراء التدخل:
المشاركون: تم استقطاب 97 طالبًا من طلاب الرعاية الصحية (البرامج الصحية المساعدة وإعادة التأهيل) عبر أخذ عينات طبقية تناسبية.
البروتوكول: استخدم المشاركون التطبيق بشكل مستقل لمدة 30 يومًا، مع إكمال جميع الوحدات الـ 11. وُجهوا لتجنب أي تدريب منظم آخر على الذكاء الاصطناعي خلال هذه الفترة.
التقييمات:
النتيجة الأولية: تم قياس الجاهزية المدركة للذكاء الاصطنا الطبي باستخدام مقياس MAIRS-MS (مقياس الجاهزية للذكاء الاصطنا الطبي لطلاب الطب) الموثق باللغة الفارسية في مرحلتي ما قبل التدخل وما بعده. يغطي هذا المقياس أربعة مجالات: الإدراك، القدرة، الرؤية، والأخلاقيات.
سهولة الاستخدام: تم تقييم سهولة الاستخدام المبلغ عنها من قبل الطلاب بعد التدخل باستخدام مقياس سهولة استخدام النظام (SUS). كما تم تقييم سهولة الاستخدام من قبل الخبراء قبل الإصدار.
التحليل الإحصائي:
تم تحليل البيانات باستخدام برنامج IBM SPSS Statistics v27.0.
نظرًا لعدم التوزيع الطبيعي لدرجات التغيير، تم استخدام اختبار ويلكوكسون للرتب الموقعة (Wilcoxon signed-rank test) لمقارنة درجات ما قبل وما بعد التدخل.
تم تطبيق تعديل هولم (Holm adjustment) على مقارنات المجالات للتحكم في خطأ النوع الأول (Type I error).
تم حساب أحجام التأثير باستخدام إحصائية ويلكوكسون المعيارية (r).
النتائج الرئيسية
النتائج التعليمية: أكمل جميع المشاركين الـ 97 الدراسة. ارتفع متوسط إجمالي درجة MAIRS-MS بشكل ملحوظ من 45.25 ± 6.49 في مرحلة الأساس إلى 107.70 ± 5.75 بعد التدخل (متوسط زيادة قدره 62.45 نقطة، p<0.001).
تحسينات المجالات: لوحظت تحسينات معنوية في جميع المجالات الأربعة (الإدراك، القدرة، الرؤية، الأخلاقيات)، حيث كانت جميع قيم p المعدلة وفقًا لهولم أقل من $0.001.وكانتأحجامالتأثيركبيرة(r = 0.869–0.872$).
تأثير السقف (Ceiling Effect): تجمعت درجات ما بعد التدخل بالقرب من القيمة القصوى للمقياس، مما يشير إلى تأثير سقف جوهري.
تحليل المجموعات الفرعية: لم يتم العثور على فروق ذات دلالة إحصائية في التحسن بناءً على الجنس، أو المستوى الأكاديمي، أو مجال الدراسة، أو الخبرة السابقة في الذكاء الاصطناعي.
سهولة الاستخدام: حصل التطبيق على تقييمات ممتازة لسهولة الاستخدام. بلغت درجة SUS التي أبلغ عنها الطلاب 91.24 ± 5.10، بينما كانت درجة SUS للجنة الخبراء قبل الإصدار 91.0 ± 2.85. تقع كلتا الدرجتين ضمن نطاق "ممتاز" للمعايير المعتمدة.
المساهمات الرئيسية
أول منتج موثق: تمثل هذه الدراسة أول تطبيق للهاتف المحمول لتعليم الذكاء الاصطناي في الرعاية الصحية يتم تطويره من إطار عمل محتوى وهيكلي موثق، وتم تقييمه لاحقًا من حيث الجاهزية المدركة وسهولة الاستخدام.
تشغيل إطار العمل: نجحت الدراسة في ترجمة إطار عمل نظري (11 مجالًا، 20 ميزة) إلى منتج تعليمي وظيفي ومُقيّم.
إمكانية الوصول: يعالج التطبيق العوائق في البيئات محدودة الموارد من خلال واجهة باللغة الفارسية، وتصميم يدعم الكتابة من اليمين إلى اليسار، وقدرات العمل دون اتصال بالإنترنت.
القاعدة الأدلة: توفر الدراسة أدلة تجريبية على أن التدخل المنظم عبر الهاتف المحمول يمكن أن يحسن بشكل كبير الجاهزية المدركة لطلاب الرعاية الصحية للتعامل مع الذكاء الاصطناي الطبي على المدى القصير.
الأهمية والادعاءات يزعم المؤلفون أن تطبيق AIMedEdu يرتبط بتحسينات جوهرية قصيرة المدى في الجاهزية المدركة للذكاء الاصطناي الطبي لدى طلاب الرعاية الصحية، ويظهر سهولة استخدام ممتازة. تسلط الدراسة الضలు على أن تطبيق الهاتف المحمول يمكن أن يكون استراتيجية قابلة للتطبيق ومكملة لتقديم تعليم منظم للذكاء الاصطناي، خاصة في الأماكن التي تقتصر فيها أوقات المناهج الرسمية.
ومع ذلك، تحافظ الورقة على موقف متواضع فيما يتعلق باستنتاجاتها:
السببية: نظرًا لتصميم الدراسة (مجموعة واحدة قبل وبعد) دون وجود مجموعة ضابطة، ذكر المؤلفون أنه لا يمكن إثبات الفعالية السببية؛ فالنتائج تمثل التغييرات المرتبطة بالتدخل.
الكفاءة الموضوعية: قاست الدراسة الجاهزية المدركة (التقييم الذاتي) بدلاً من المعرفة الموضوعية أو الأداء السريري. ويشير المؤلفون صراحةً إلى أن الكفاءة المقيّمة ذاتيًا قد لا تتوافق مع الكفاءة الملاحظة موضوعيًا.
الاستبقاء: التقييم الفوري بعد التدخل يمنع استخلاص استنتاجات حول استبقاء المعرفة أو المهارات على المدى الطويل.
التعميم: بما أن الدراسة أجريت في جامعة واحدة، فإن النتائج قد لا تكون قابلة للتعميم على المؤسسات أو الأنظمة التعليمية الأخرى دون مزيد من التحقق متعدد المراكز.
يخلص المؤلفون إلى أنه بينما يبدو تطبيق AIMedEdu واعدًا، فإن إجراء دراسات متعددة المراكز ومنضبطة تتضمن مقاييس الكفاءة الموضوعية ومتابعة طويلة الأمد يعد أمرًا ضروريًا لإثبات الفعالية التعليمية والقدرة على التعميم.