Measuring AI Readiness in Health Professions Education: Development and Validation of the AI Competence and Preparedness Evaluation Resource (AICPER)
यह अध्ययन AICPER के विकास और कठोर मनोवैज्ञानिक सत्यापन को प्रस्तुत करता है, जो एक बहुआयामी उपकरण है जिसे कार्यात्मक, नैतिक और शैक्षिक डोमेन में स्वास्थ्य पेशेवरों के प्रशिक्षुओं की एआई (AI) के प्रति धारणाओं का आकलन करने के लिए डिज़ाइन किया गया है, जो नर्सिंग, फार्मेसी और सार्वजनिक स्वास्थ्य कार्यक्रमों में मजबूत विश्वसनीयता और संरचनात्मक वैधता प्रदर्शित करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप भविष्य के डॉक्टरों, नर्सों और सार्वजनिक स्वास्थ्य विशेषज्ञों के पूरे स्कूल को एक नए, सुपर-स्मार्ट रोबोट सहायक का उपयोग करना सिखाने की कोशिश कर रहे हैं। इससे पहले कि आप एक आदर्श प्रशिक्षण नियमावली (training manual) बना सकें, आपको यह जानने की आवश्यकता है कि छात्र उस रोबोट के बारे में क्या सोचते हैं। क्या वे इसे पसंद करते हैं? क्या वे डरते हैं कि यह गलतियाँ करेगा? क्या उन्हें लगता है कि होमवर्क के लिए इसका उपयोग करना नकल है?
लंबे समय तक, इन सवालों को पूछने के लिए इस्तेमाल किए जाने वाले उपकरण ऐसे थे जैसे तापमान मापने के लिए स्केल (रूलर) का उपयोग करना—वे काम के लिए उपयुक्त नहीं थे। वे अक्सर बहुत सरल थे, केवल एक ही प्रकार के छात्रों पर केंद्रित थे, या "जेनरेटिव एआई" (वह एआई जो निबंध लिखता है और चित्र बनाता है) के विस्फोट से पहले लिखे गए थे।
पेश है AICPER। इसे एक ब्रांड-न्यू, हाई-टेक "एआई-एटीट्यूड थर्मामीटर" के रूप में समझें जिसे विशेष रूप से संयुक्त राज्य अमेरिका में स्वास्थ्य छात्रों के लिए डिज़ाइन किया गया है। रटगर्स यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने इस उपकरण को बनाने के लिए इसका निर्माण किया ताकि यह देखा जा सके कि नर्सिंग, फार्मेसी और सार्वजनिक स्वास्थ्य के छात्र आर्टिफिशियल इंटेलिजेंस के बारे में कैसा महसूस करते हैं।
बड़ी खोज: यह कहाँ के बारे में नहीं है, बल्कि कैसे के बारे में है
जब शोधकर्ताओं ने पहली बार AICPER बनाया था, तो उन्हें लगा कि वे एआई के उपयोग के तीन विशिष्ट स्थानों को माप रहे हैं: क्लिनिकल प्रैक्टिस (अस्पताल में), रिसर्च (लैब में), और एजुकेशन (कक्षा में)। उन्हें उम्मीद थी कि उनके उत्तर इन तीन साफ-सुथरे ढेरों में खुद को व्यवस्थित कर लेंगे।
लेकिन यहाँ एक मोड़ आया: छात्रों के दिमाग ने उत्तरों को उस तरह से वर्गीकृत नहीं किया। जब शोधकर्ताओं ने डेटा का विश्लेषण किया, तो उनके "ढेर" स्थान (locations) के बजाय भावनाओं के आधार पर तीन पूरी तरह से अलग श्रेणियों में पुनर्व्यवस्थित हो गए।
- फंक्शनल बेनिफिट्स (द "कूल टूल" फैक्टर): यह समूह मापता है कि छात्र कितना सोचते हैं कि एआई उनके काम को आसान, तेज़ और स्मार्ट बनाएगा। यह पूछने जैसा है, "क्या यह रोबोट मेरे भारी बक्से उठाने में मदद करेगा?"
- एथिक्स एंड ट्रस्ट (द "वरी" फैक्टर): यह समूह डर को पकड़ता है। क्या रोबोट गलतियाँ करेगा? क्या इसमें पक्षपात होगा? क्या हम इसे मरीजों के रहस्यों के साथ भरोसेमंद मान सकते हैं? यह "क्या यह रोबोट मेरी नौकरी चुरा लेगा या मुझसे झूठ बोलेगा?" वाला ढेर है।
- एजुकेशनल एंगेजमेंट (द "लेट्स लर्न" फैक्टर): यह एआई से संबंधित सीखने के प्रति छात्रों के जुड़ाव के स्तर को मापता है। यह "मैं इस पर एक क्लास लेना चाहता हूँ" वाला ढेर है।
पेपर ने पाया कि यह नया तीन-भाग वाला ढांचा केवल यह पूछने की तुलना में छात्रों को समझने का एक बेहतर तरीका है कि "क्या आप अस्पताल में एआई को पसंद करते हैं?" एक छात्र यह सोच सकता है कि समय बचाने के लिए एआई एक शानदार उपकरण है (उच्च फंक्शनल बेनिफिट्स) लेकिन फिर भी वह इसके नैतिक जोखिमों से डरा हुआ हो सकता है (कम एथिक्स एंड ट्रस्ट)। पुराने उपकरण इस सूक्ष्म अंतर को छोड़ देते, लेकिन AICPER इसे पकड़ लेता है।
उन्होंने इसका परीक्षण कैसे किया (द "स्ट्रेस टेस्ट")
यह सुनिश्चित करने के लिए कि यह नया थर्मामीटर वास्तव में काम करता है, शोधकर्ताओं ने केवल अनुमान नहीं लगाया। उन्होंने 193 छात्रों और 7 विशेषज्ञ न्यायाधीशों को शामिल करते हुए एक कठोर स्ट्रेस टेस्ट किया।
- विशेषज्ञ: सात बुद्धिमान लोगों के पास उन्नत डिग्री थी जिन्होंने हर एक प्रश्न की जांच की ताकि यह सुनिश्चित हो सके कि वह समझ में आए। वे इस बात पर सहमत थे कि प्रश्न प्रासंगिक थे, जिससे इस उपकरण को 0.86 का "कंटेंट वैलिडिटी" स्कोर मिला (जो कि एक बहुत अच्छा स्कोर है)।
- छात्र: नर्सिंग, फार्मेसी और सार्वजनिक स्वास्थ्य कार्यक्रमों के 193 छात्रों ने सर्वेक्षण लिया।
- गणित: शोधकर्ताओं ने भारी-भरकम सांख्यिकी (जैसे "एक्सप्लोरेटरी फैक्टर एनालिसिस" और "कन्फर्मेटरी फैक्टर एनालिसिस") का उपयोग यह देखने के लिए किया कि क्या प्रश्न सही ढंग से एक साथ जुड़े हुए हैं। परिणाम? उपकरण बेहतरीन तरीके से काम कर गया। इसकी आंतरिक निरंतरता (internal consistency) का स्कोर 0.86 था, जिसका अर्थ है कि प्रश्न विश्वसनीय रूप से एक ही अंतर्निहित भावनाओं को मापते हैं।
आंकड़े क्या कहते हैं
अध्ययन ने केवल यह नहीं कहा कि "यह काम करता है।" इसने समर्थन के लिए विशिष्ट आंकड़े दिए:
- अंतिम उपकरण में 18 प्रश्न हैं (उन्होंने दो को हटा दिया क्योंकि वे ठीक से फिट नहीं बैठे)।
- तीनों कारक (फंक्शनल बेनिफिट्स, एथिक्स, और एंगेजमेंट) अलग लेकिन संबंधित हैं, जिनका सहसंबंध (correlation) 0.42 और 0.61 के बीच है।
- यह टूल नर्सिंग, फार्सी और सार्वजनिक स्वास्थ्य के छात्रों के लिए समान रूप से काम करता है। शोधकर्ताओं ने समूहों की तुलना करके इसकी जांच की और पाया कि इस टूल द्वारा उनके मापन में अंतर बहुत मामूली (-0.001) था, जिसका अर्थ है कि एक नर्स और एक फार्मासिस्ट एक ही "भाषा" में सवालों के जवाब दे रहे हैं।
यह क्या नहीं है (द "नो" लिस्ट)
यह जानना महत्वपूर्ण है कि यह पेपर क्या दावा नहीं करता है।
- यह कोई जादू की छड़ी नहीं है: पेपर स्पष्ट रूप से कहता है कि इसके कुछ हिस्सों के लिए यह एक "प्रारंभिक" चरण है। उन्होंने संरचना की खोज करने और उसे पुष्ट करने के लिए एक ही छात्र समूह का उपयोग किया। हालांकि उन्होंने परिणामों को स्थिर साबित करने के लिए उन्नत गणित (2,0 laet bootstrap resampling) का उपयोग किया, वे स्वीकार करते हैं कि छात्रों के एक अलग समूह पर इसका परीक्षण करना अगला आवश्यक कदम है।
- यह अभी भी पूर्ण नहीं है: शोधकर्ताओं ने देखा कि कुछ "रिवर्स-स्कोर" वाले प्रश्नों (जहाँ आपको 'हाँ' कहने के लिए 'नहीं' सोचना पड़ता है) ने डेटा में थोड़ा अतिरिक्त शोर पैदा किया। उन विशिष्ट उत्तरों में लगभग 24.8% का अंतर प्रश्न के पूछने के तरीके के कारण था, न कि केवल छात्र की राय के कारण। वे सुझाव देते हैं कि भविष्य के संस्करणों में इन्हें अधिक स्पष्ट बनाने के लिए फिर से लिखा जाना चाहिए।
- यह अभी सबके लिए नहीं है: अध्ययन में केवल नर्सिंग, फार्मेसी और सार्वजनिक स्वास्थ्य के छात्र शामिल थे। इसमें मेडिकल के छात्र (भविष्य के डॉक्टर) शामिल नहीं थे, इसलिए हम अभी यह निश्चित रूप से नहीं कह सकते कि क्या यह उनके लिए भी काम करता है।
निष्कर्ष
AICPER एक कठोरता से परीक्षण किया गया, 18-आइटम वाला टूल है जो सफलतापूर्वक यह मापता है कि स्वास्थ्य छात्र एआई के बारे में कैसा महसूस करते हैं। इसने साबित कर दिया कि छात्रों के दृष्टिकोण केवल "कहाँ" एआई का उपयोग किया जाता है, इसके बारे में नहीं हैं, बल्कि तीन मुख्य भावनाओं के बारे में हैं: उपयोगिता (utility), विश्वास (trust), और जुड़ाव (engagement)।
शोधकर्ता सुझाव देते हैं कि स्कूल लीडर्स इस टूल का उपयोग यह पता लगाने के लिए कर सकते हैं कि उनके छात्र वास्तव में कहाँ अटके हुए हैं। यदि कोई क्लास लाभ देखने में अच्छी है लेकिन नैतिकता के डर से जूझ रही है, तो वे उस डर को दूर करने के लिए एक विशिष्ट पाठ बना सकते हैं। यदि वे नैतिक रूप से सुदृढ़ हैं लेकिन तकनीक सीखना नहीं चाहते हैं, तो वे एक अलग शिक्षण दृष्टिकोण अपना सकते हैं।
हालांकि यह पेपर इसे "अंतिम समाधान" कहने से बचता है (क्योंकि अभी और परीक्षण की आवश्यकता है), यह स्वास्थ्य शिक्षा में एआई तत्परता (AI readiness) की जटिल दुनिया को नेविगेट करने के लिए पहला ठोस, मान्य मानचित्र प्रदान करता है। यह एक धुंधले अनुमान को एक स्पष्ट, त्रि-आयामी तस्वीर में बदल देता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।