Facilitator-Mediated Versus AI-Mediated Problem-Based Learning in Pharmacology Education: A Quasi-Experimental Study Among Second Year Medical Students

将来の医師たちがその技術を学ぶ教室において、教授法は長らく慎重な議論の対象となってきた。数十年にわたり、医学教育者たちは単なる事実の暗記から、「問題解決型学習（PBL）」と呼ばれる学習スタイルへと移行してきた。このアプローチでは、学生は講義を聞きながら受動的に座っているのではない。代わりに、彼らは小グループに分かれ、複雑で現実世界の臨床シナリオに取り組む。彼らは協力して、自分たちが何を知らないのかを特定し、答えを見つけ出し、その新しい知識を問題解決に応用しなければならない。このプロセスは、薬の名前や疾患名を覚えることと同じくらい不可欠なスキルである、批判的思考力とチームワークを構築するように設計されている。伝統的に、これらのセッションは「ファシリテーター」として知られる人間の教師によって導かれる。教師は質問を投げかけ、グループを軌道に乗せ、すべての学生が参加するように促すのである。しかし、人工知能の急速な台頭が、この方程式に新たな変数を導入した。現在、学生は情報を即座に要約し、アイデアを生成し、質問に答えることができる強力なデジタルツールを利用できる。現代の医学教育が直面している問いは、これらのデジタルアシスタントが人間のガイドに取って代わることができるのか、それとも全く異なる目的を果たすものなのか、ということである。

インドの2つの医科大学で行われた最近の研究は、これら2つの道を直接比較することを目的とした。研究者たちは、薬理学（薬が体内でどのように作用するかという科学）について学んでいる、医学部2年生150名を対象とした。学生たちは、4週間にわたって同じ一連の臨床問題に取り組むために2つのグループに分けられた。一方のグループは伝統的な経路に従い、ディスカッションを導く人間のファシリテーターの存在のもとでケーススタディを進めた。もう一方のグループは、同じ臨床問題に取り組んだが、人間による指導なしに、情報の検索や思考の構造化を助けるために人工知能ツールを使用した。目的は、どちらの手法が、テストのスコア、批判的思考能力、およびチームとしての協力体制の観点において、より良い結果をもたらすかを確認することであった。

結果は、学習がどのように起こるかについての微細な実態を明らかにした。学生が4週間の前後でテストを受けたところ、両方のグループで著しい向上が見られた。人間の教師と学んだ学生はスコアを向上させ、人工知能と学んだ学生も非常に近い程度にスコアを向上させた。純粋な知識の獲得という点では、2つの手法は等しく効果的であった。しかし、研究者が学生の行動や思考プロセスを深く掘り下げたとき、物語は変わった。人間の教師に導かれたグループは、チームワークと批判的思考の特定の領域において、有意に優れたパフォーマンスを示した。彼らは、より効果的に協力し、フィードバックに対応し、構造化された方法で問題を解決することができた。人工知能を使用した学生は、情報の収集には成功したものの、これらの協調的かつ分析的なスキルにおいては低いスコアを示した。人間の指導を受けたグループは、自身の推論を説明し、収集した情報を分析する能力がより強かった。これは、教師の存在が、デジタルツール単独では成し得ない方法で、学生の思考を洗練させる助けになることを示唆している。

学生のパフォーマンスの違いにもかかわらず、経験に対する満足度は両グループともに高かった。人工知能を使用した学生は、学習教材へのアクセスがより容易になり、探索できる情報の量という点において議論がより生産的であったと報告した。彼らはテクノロジーが提供するリソースの速度と幅広さを高く評価した。しかし、人間の指導を受けたグループは、教師の存在が学習に不可欠であると感じていた。この緊張関係は、研究を観察した教員たちの見解にも現れていた。多くの教師は、学生が回答を生成したりプレゼンテーションを作成したりするためにこれらのツールを使用していることを認識していたが、同時に深い懸念を表明した。主な懸念は、学生がテクノロジーに依存しすぎ、自ら考えるという困難なプロセスを回避してしまう可能性があり、また、これらのツールの使用が学問的な誠実さの問題を招く可能性があるということであった。教員たちは、テクノロジーが議論の質を高めることはあるものの、それが問題解決のための独自の能力を養うという、問題解決型学習の核心的な目標を損なうリスクがあると指摘した。

本研究は、どちらの手法も、もう一方の完璧な代替物にはならないと結論付けている。人工知能は、学習をより身近で効率的なものにし、膨大な量の情報を迅速に収集することを可能にする強力なリソースである。しかし、深い批判的思考や効果的なチームワークを育むという、人間の指導がもたらす恩恵を完全には再現できていない。最も有望な道筋は、ハイブリッドモデルであるように見える。このアプローチでは、人工知能の効率性とリソースの豊富さと、人間の教師によるメンターシップと指導を組み合わせる。このような融合により、学生は情報の収集という重労働をテクノロジーに任せつつ、批判的に考え、うまく協力し、教材を真に理解していることを確認するためにファシリテーターに頼ることができる。このような戦略は、テクノロジーが遍在する未来に向けて医学部生を準備させつつ、患者をケアするために必要な不可欠な人間的スキルを確実に保持させるという、両者の最善の組み合わせを提供することができるだろう。