Design and evaluation of a mobile app for artificial intelligence education among healthcare students: A before-and-after study
这项前后对照研究表明，波斯语移动应用程序 AIMedEdu 显著提高了医疗保健专业学生感知的医学人工智能就绪度，并获得了极佳的可用性评分，尽管未来仍需进一步研究以确认其长期的教育有效性和普适性。
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
人工智能正迅速成为现代医疗领域的标准组成部分，其应用范围涵盖了从辅助医生解读 X 光片的工具到预测患者风险的系统。随着这些技术的日益普及，未来的使用者——即医学和健康专业的学生——不仅需要学习如何操作它们，更需要学习如何对其进行批判性思考。他们必须学会识别这些系统的局限性，发现潜在的错误或偏见，并应对当机器参与生死攸关的决策时所引发的伦理问题。目前，许多学生感到尚未为这一转变做好准备。他们通常对人工智能的潜力持积极态度，但承认自己缺乏安全且有效地使用人工智能的系统性知识。这种乐观情绪与准备程度之间的差距，催生了对教授这些复杂技能新方法的需求。
为了应对这一需求，伊朗马什哈德医科大学的研究人员开发了一款名为 AIMedEdu 的移动应用程序，专门旨在用母语波斯语向医疗保健专业的学生教授人工智能概念。研究团队并非仅仅凭直觉决定包含哪些内容；他们首先进行了广泛的研究，以确定学生究竟需要学习什么以及他们偏好何种学习方式。这项基础工作促成了一个包含 11 个不同教育主题的框架，涵盖了从基础概念、数据科学到临床应用、伦理及沟通等领域。最终生成的这款应用程序具有很高的灵活性，允许学生在没有互联网连接的情况下离线学习，并能追踪进度及进行互动测试。研究人员随后在 30 天内通过 97 名学生对该工具进行了测试，以观察它是否确实提高了他们的信心和理解力。
研究结果令人瞩目。在使用该应用程序之前，学生在衡量其从事医疗人工智能工作之感知准备程度的测试中，平均得分相对较低，仅为 110 分中的 45 分左右。在通过该应用的模块学习一个月后，他们的平均分跃升至接近 108 分。这一巨大的增幅表明，学生们觉得自己在未来的职业生涯中参与人工智能活动时会感到更加从容。这种进步并不局限于单一领域，而是体现在所衡量的四个关键领域：对概念的理解、对使用工具能力的信心、对这些工具如何融入医学的愿景，以及对伦理影响的掌握。研究人员指出，学生在培训后的得分如此之高，以至于聚集在量表的顶端，这表明该应用成功地使几乎所有人达到了较高的感知胜任水平。
除了教育方面的收获外，该应用本身在用户体验方面也非常成功。当学生被问及该应用程序的使用易用性和愉悦度时，他们给出了极高的评分，平均超过 91 分（总分 100 分）。这一被称为“可用性分数”的指标将该应用置于数字工具中的顶尖行列，表明其设计直观且出色。学生们发现该应用易于学习，使用起来充满信心，并且并不觉得需要具备广泛的先验知识即可上手。此外，由包括医学教育和人工智能专家在内的五人专家小组在学生使用前也对该应用进行了评审，并给予了同样高的评价，证实了内容的准确性和结构的合理性。
最有趣的发现之一是，无论背景如何，该应用对所有人均表现出同样的效果。研究人员调查了那些已经熟悉人工智能工具的学生是否比初学者学到了更多知识，或者不同年级或不同专业领域的学生反应是否有所不同。他们发现并没有显著差异。无论学生是在学习物理治疗、视光医学还是健康信息技术，也无论他们此前是否使用过人工智能，他们都展现出了相似且实质性的进步。这表明该应用的逻辑设计能够有效弥合不同学习者的知识差距，使其成为跨学科医学教育中极具价值的工具。
尽管取得了这些积极成果，研究人员仍谨慎地指出了本研究的局限性。由于研究并未设立未使用该应用的对照组，因此无法绝对肯定地断定提升完全是由该应用引起的，尽管结果与其使用具有强相关性。此外，该测试衡量的是学生“感觉”有多么准备好，而非测试他们解决复杂问题的实际能力或客观知识。由于培训后的得分如此之高，这也意味着测试可能已达到一个无法区分极高水平准备程度的临界点。研究人员总结道，虽然该应用是一款极具前景且高度易用的工具，能够提升学生的信心，但未来的研究需要采用更严谨的方法和客观测试，以确认这种信心能否转化为现实世界的技能和长期的知识留存。
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。