Generative Artificial Intelligence in Laboratory-Based Health Sciences Education: A Scoping Review of an Emerging Evidence Base
Deze scoping review van negen recente studies onthult dat hoewel generatieve AI in het laboratoriumonderwijs binnen de gezondheidswetenschappen primair de efficiëntie verhoogt en individuele onderzoek- en verwervingsactiviteiten ondersteunt, de integratie ervan momenteel wordt beperkt door een kleine bewijslast, risico's op feitelijke onjuistheden en een opvallend gebrek aan collaboratieve toepassingen, wat de noodzaak voor verder vergelijkend onderzoek en deskundig toezicht onderstreept.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je de wereld van de gezondheidswetenschappen voor als een enorme, risicovolle keuken waar de chefs niet alleen maaltijden bereiden; ze bereiden de data die artsen vertelt hoe ze levens kunnen redden. In deze keuken zijn er speciale experts genaamd medisch laboratoriumwetenschappers. Zij zijn degenen die bloed, weefsel en andere monsters nemen, deze door complexe machines halen en de resultaten interpreteren. Als zij de cijfers fout krijgen, kan de arts de verkeerde medicatie voorschrijven. Het is een baan die een combinatie vereist van handmatige vaardigheid, zoals het hanteren van piepkleine reageerbuisjes, en intellectuele vaardigheid, zoals het herkennen van een vreemd patroon in een grafiek.
Onlangs is er een nieuw soort "superintelligent assistent" deze keuken binnengevallen. Het heet Generatieve Artificiële Intelligentie (AI). Denk aan een robotchef die recepten kan schrijven, kooktechnieken kan uitleggen en zelfs in enkele seconden volledige menu's kan opstellen. Het is gebaseerd op Large Language Models, wat in feite computers zijn die bijna alles op het internet hebben gelezen en hebben geleerd om te voorspellen welke woorden als volgende moeten komen. De grote vraag die iedereen zich stelt is: Kan deze robotchef daadwerkelijk de volgende generatie echte menselijke chefs trainen, of serveert hij alleen maar smakelijk uitziende maar giftige maaltijden? We weten dat het geweldig is voor het schrijven van essays of het programmeren, maar in een vakgebied waar een kleine fout gevaarlijk kan zijn, moeten we weten of het veilig is om het de klas in te laten.
Dit artikel is een detectivestory die op zoek ging naar antwoorden. De auteur, Kiran Zahid, heeft niet simpelweg geraden; de auteur ging op een digitale speurtocht om elke studie te vinden die tussen 2024 en 2026 is gepubliceerd en die over het gebruik van deze AI-robot in het onderwijs voor laboratoriumwetenschappen spreekt. De auteur heeft drie enorme bibliotheken met onderzoek (PubMed, Scopus en ERIC) doorzocht en vond precies negen studies die aan de regels voldeden. Het is een kleine stapel bewijs vergeleken met de berg onderzoek naar AI in de verpleegkunde of de algemene geneeskunde, maar het is de eerste keer dat iemand dit specifieke hoekje van de kaart heeft geprobeerd in kaart te brengen.
Dit is wat de detective vond: Het bewijs is heel nieuw en heel klein. Van de negen studies gingen de meeste over pathologie (de studie van ziekten) of algemene biomedische wetenschappen. Verrassend genoeg werden de werkelijke programma's voor "Medische Laboratoriumwetenschappen"—de programma's die de mensen opleiden die de laboratoria runnen—nauwelijks genoemd, waarbij slechts één studie zich op hen richtte. Ook het supergeavanceerde werk zoals moleculaire diagnostiek (het kijken naar DNA en genen) werd bijna volledig genegeerd.
De studies lieten zien dat docenten de AI vooral gebruiken om hun huiswerk voor hen te doen: het schrijven van college-outlines, het bedenken van quizvragen en het opstellen van cursusmateriaal. Het is alsover de robot helpt de docent om het menu te schrijven voordat de les überhaupt begint. Wat betreft de studenten wordt de AI voornamelijk gebruikt voor "Acquisitie" (het lezen en leren van feiten) of "Onderzoek" (het stellen van vragen). Maar hier komt het vreemde deel: niemand gebruikt het voor "Discussie" of "Collaboratie". Hoewel echt laboratoriumwerk volledig draait om teams die met elkaar praten, wordt de AI momenteel gebruikt om studenten individueel te helpen werken.
De grootste ontdekking is een gespleten persoonlijkheid in de bevindingen. Aan de ene kant is iedereen het erover eens dat de AI een fantastische tijdbespaarder is. Het helpt docenten om sneller inhoud op te stellen en helpt studenten wanneer ze vastlopen door een writer's block. Aan de andere kant is iedereen het erover eens dat de AI een verschrikkelijke leugenaar is. Het meest gerapporteerde probleem was "hallucinatie", waarbij de AI vol vertrouwen feiten verzint, nepreferenties creëert of verkeerde cijfers geeft. In een laboratorium, als de AI zegt dat een chemisch niveau veilig is terwijl het eigenlijk gevaarlijk is, dan is dat een ramp. De studies vonden dat de AI vooral slecht is in de specifieke, technische details van het laboratoriumwerk, zoals het kennen van de exacte referentiewaarden voor bloedtesten of het interpreteren van complexe afbeeldingen.
Vanwege hiervan suggereren de studies een slimme omweg. In plaats van te proberen het gebruik van de AI te stoppen, kwamen drie verschillende groepen onderzoekers onafhankelijk van elkaar met hetzelfde idee: gebruik de fouten van de AI als een leermiddel. Ze gaven studenten AI-gegenereerde essays of casestudy's die vol zaten met subtiele fouten en vroegen de studenten om deze te vinden en te corrigeren. Het is als een "zoek de verschillen"-spel, maar de verschillen zijn medische fouten van leven of dood. Dit verandert de grootste zwakte van de robot—de neiging om te liegen—in zijn grootste kracht als docent.
De paper is echter heel duidelijk over wat het niet weet. De auteur vond geen bewijs dat het gebruik van deze AI studenten daadwerkelijk slimmer of beter in hun werk maakt. Er zijn geen grote studies die studenten die AI gebruiken vergelijken met studenten die dat niet doen. Het bewijs is voornamelijk beschrijvend, wat betekent dat het ons vertelt wat mensen proberen te doen, niet of het werkt. De paper concludeert dat hoewel de technologie hier is om te blijven, we het niet blindelings kunnen vertrouwen. De belangrijkste les voor nu is dat studenten moeten leren om detectives te zijn, die het werk van de robot controleren tegen de waarheid, want in het laboratorium is het blind vertrouwen op een zelfverzekerd klinkende robot zonder een menselijke expert die het dubbelcheckt, een recept voor problemen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.