Are AI knowledge and educational expectations homogeneous across clinical training stages and intended specialties?
Eine Studie über französische Medizinstudierende zeigt, dass sich angemessenes KI-Wissen nicht passiv mit der Stufe der klinischen Ausbildung oder dem Fachinteresse verbessert, was die Notwendigkeit einer expliziten KI-Ausbildung unterstreicht, die in die medizinischen Grundstudienlehrpläne integriert ist.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich die Reise eines Medizinstudenten wie ein langes, gewundenes Videospiel-Level vor. Sie beginnen in den frühen Zonen (dem 4. Jahr), grinden sich durch die Mid-Level (das 5. Jahr) und erreichen die Bosskampf-Zone (das 6. Jahr), bevor Sie Ihre endgültige Charakterklasse wählen (Ihre Fachrichtung). Lange Zeit nahmen die Spieler an, dass man allein durch das längere Spielen des Spiels und das Erkunden der Welt automatisch besser darin wird, den verborgenen Code des Spiels zu verstehen: Künstliche Intelligenz (KI).
Doch diese Studie, die 1.342 französische Medizinstudenten untersuchte, legt nahe, dass das Spiel nicht so funktioniert.
Der „Level-Up“-Mythos
Die Forscher baten die Studenten, KI in eigenen Worten zu definieren. Sie fanden heraus, dass sich die Fähigkeit, KI zu erklären, nicht wesentlich verbesserte, egal wie weit fortgeschritten sie im Level waren.
- Im 4. Jahr gaben 37,6 % der Studenten eine ordentliche Definition an.
- Im 5. Jahr waren es 37,4 %.
- Im 6. Jahr waren es 39,6 %.
Diese Zahlen sind praktisch Zwillinge. Die Studie legt nahe, dass das bloße Herumhängen im Krankenhaus, das Beobachten der Arbeit von Ärzten und das Sammeln klinischer Erfahrung einen nicht magisch lehrt, was KI ist. Es ist, als würde man denken, dass das zehn Jahre lang Spielen eines Rennspiels einen automatisch lehrt, wie man einen Motor baut. Die Erfahrung überträgt sich nicht. Die Autoren argumentieren, dass man Studenten KI nicht einfach nur beibringen kann, indem man darauf wartet, dass sie es im Laufe der Zeit „einfach so lernen“; man muss es explizit lehren.
Der „Spezialisierung“-Twist
Schauen wir uns nun die Spieler an, die bestimmte Charakterklassen ins Auge fassen, wie Radiologie, Dermatologie oder Kardiologie – Felder, die stark auf Bilder und Daten angewiesen sind (denken Sie an die „bildlastigen“ Zonen des Spiels).
Man könnte vermuten, dass gerade diese Studenten, die den ganzen Tag auf Röntgenbilder und Datendiagramme starren, die KI-Experten sein würden. Aber die Studie widerlegt auch das. Studenten, die an diesen bildlastigen Bereichen interessiert sind, hatten genau das gleiche KI-Wissen wie alle anderen (37,7 % gegenüber 37,9 %).
Dennoch fühlten sich diese Studenten anders. Sie waren diejenigen, die die Alarmglocke läuteten.
- Sie verspürten ein stärkeres Bedürfnis, die Grundlagen der KI zu lernen.
- Sie waren etwas besorgter darüber, was KI für ihre zukünftigen Jobs bedeuten könnte.
- Sie wollten die „Techniksprache“ lernen, um mit Ingenieuren zu sprechen und zu verstehen, wie der Code tatsächlich funktioniert.
Es ist, als hätten die Spieler, die auf die „Bild-Zonen“ abzielen, erkannt: „Hey, dieser Bosskampf wird anders sein, und ich brauche eine bessere Strategie“, obwohl sie die Strategie selbst noch gar nicht kannten.
Das Urteil
Das Paper behauptet nicht, das Problem gelöst oder ein magisches Heilmittel gefunden zu haben. Stattdessen schlägt es einen neuen Weg vor, das Tutorial des Spiels zu gestalten.
Da Erfahrung allein keine KI lehrt, schlagen die Autoren ein „Hybrid“-Curriculum vor. Stellen Sie sich einen obligatorischen „New Player“-Workshop vor, den jeder besucht, um die Grundlagen von KI, Ethik und das Erkennen eines Fake-Algorithmus zu lernen. Für diejenigen, die in die bildlastigen Zonen streben, gäbe es dann optionale „Advanced DLC“ (Downloadable Content)-Module, die tief in die technischen Details eintauchen.
Die Studie hat dies über eine große Gruppe von Studenten gemessen und festgestellt, dass ihre Einstellungen zwar weitgehend ähnlich waren, ihre Bedürfnisse jedoch unterschiedlich sind. Das Fazit ist klar: Wir können uns nicht darauf verlassen, dass Studenten über KI lernen, nur indem sie im Krankenhaus aufwachsen. Wir müssen das Klassenzimmer in das Spiel einbauen, sonst werden sie versuchen müssen, den Boss mit einem Stock zu bekämpfen, während der Boss ein Lasergewehr hat.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.