Design, implementation, and evaluation of an AI-assisted music-based multimedia learning intervention for medical histology education: A mixed-methods study
这项混合方法研究表明，与传统教学相比，基于人工智能辅助及音乐的多媒体干预显著提升了学生在医学组织学教育中的满意度、参与度及学业表现。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
医学生在开始学习组织学（即组织科学）时面临着独特的挑战。他们必须学习识别人体微观结构的形态，辨析细胞如何排列以形成器官，以及这些结构在疾病过程中如何发生变化。这门学科要求学生在同时解读复杂的二维图像时，还要记忆大量的专业术词。这种需要同时在大脑中保持视觉细节与事实信息的心理努力，往往会导致认知负荷过重，使大脑因过度疲劳而无法有效地进行学习。为了应对这一问题，教育工作者长期以来一直在寻找让学习更具参与性且不易产生疲劳的方法，探索将视觉辅助工具与其他感官输入相结合的方法，以帮助大脑更轻松地处理信息。
在伊朗巴博尔医科大学（Babol University of Medical Sciences）开展的一项近期研究中，研究人员测试了一种减轻这种负担的新方法。他们创建了一种学习工具，将组织学的视觉特性与人工智能生成的音乐所具有的增强记忆的潜力结合在一起。团队希望了解，在标准讲座中加入简短的、由人工智能生成的音乐片段，是否能帮助学生更好地记忆困难的概念，并提高学习过程的乐趣。通过将这些片段整合到课程中，他们旨在创造一个不仅提供信息，而且具有情感吸引力的学习环境，从而减轻这种高强度学科常伴随的疲劳感。
研究人员与202名医学生合作，其中包括学习医学、牙医学、放射治疗学和解剖科学的学生。他们将这组学生分为两组：一组接受标准的组织学讲座，而另一组则在接受相同讲座后观看一段简短的、由人工智能生成的多媒体片段。这些片段经过精心设计，旨在强化当天课程的核心要点。制作过程始于课程讲师确定讲座中最重要的概念。随后，团队利用人工智能工具将这些概念转化为有节奏的歌词，并将其转化为原创歌曲。这些歌曲与相关的显微图像和图表配对，形成一段连贯的视频，供学生在课后立即观看。整个过程遵循既定的教育理论，该理论认为，当大脑同时接收互补的视觉和言语信息，且不被不必要的细节所淹没时，学习效果最佳。
为了衡量这种方法的成功程度，研究人员比较了两组学生的期末考试成绩，并让学生填写了关于学习体验的详细调查问卷。结果清晰且显著。使用人工智能辅助音乐片段的学生在组织学期末考试中的得分高于仅依赖传统教学的学生。使用新方法组的平均分为17.41分（满分20分），而对照组为16.10分。除了考试成绩外，经历过干预措施的学生报告了更高的满意度。他们感到学习动力更强，觉得材料更有趣，并认为这种方法有助于长期记忆信息。事实上，干预组中近69%的学生获得了“优秀”等级，与传统组的46%相比有了显著提升。
当研究人员请学生用自己的语言描述体验时，出现了一种规律性的反馈。学生们觉得音乐与同步图像的结合使困难的概念变得更容易理解和记忆。许多人将这些片段描述为一种缓解长篇讲座后精神疲劳的方式，将枯燥的复习环节转变为一种引人入胜且令人难忘的过程。他们指出，音乐的节奏有助于将信息锁定在记忆中，使他们能够更容易地回想起有关组织结构的细节。然而，学生们也提供了建设性的反馈，建议虽然这项技术具有创新性，但仍需要人类教师的仔细监督，以确保内容的科学准确性。他们建议未来的版本可以包含字幕，或者允许学生对音乐风格进行选择，以使体验更加个性化。
研究结论认为，这种方法是支持医学教育的一种可行且有效的方式，但同时也强调，这项技术是教师的工具，而非替代品。干预措施之所以成功，源于对材料的精心设计——即由人类专家确保科学性的正确性和教育目标的达成，而由人工智能负责音乐和多媒体元素的快速生成。研究结果表明，当生成式人工智能被用于支持成熟的学习原则时，它可以创造出定制化、可扩展的资源，从而提高学生的参与度和学术表现。尽管该研究是在单一大学开展并侧重于即时考试结果，但其结果为进一步研究如何将此类方法应用于医学培训中的其他复杂学科奠定了坚实的基础。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。