Development and validation of the artificial intelligence literacy scale for medical students (AILS-MS)
本研究开发并验证了一个包含20个条目、四个维度的量表（AILS-MS），旨在通过将联合国教科文组织的胜任力框架与医学教育需求相结合，来评估医学生的人工智能素养，从而支持课程改革和基于胜任力的评估。
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
在现代世界中，人工智能已从科幻领域的幻象转变为医疗保健日常节奏的一部分。它帮助医生解读X光片，预测哪些患者可能生病，甚至协助发现新药。随着这些工具变得越来越普遍，一种新的技能正变得与掌握解剖学或如何开具处方药物同样重要。这种技能被称为“人工智能素养”（AI literacy）。它并不关乎懂得如何制造计算机，而是关于理解这些系统是如何运作的，知道何时可以信任它们，以及识别它们何时可能出错。对于未来的医生而言，这种素养关乎安全。如果未来的医生无法分辨有益的人工智能建议与危险的错误，或者因为过度依赖机器而忘记了自己的判断，其结果可能会伤害患者。当今医学院面临的问题是如何教授这项技能，以及更重要的，如何衡量学生是否真正掌握了它。
直到现在，在中国还没有一种标准化的方法来测试医学生的这一特定知识。现有的测试是为普通大学生或西方国家的医生设计的，而那里的规则和文化是不同的。为了填补这一空白，重庆医科大学的一个研究小组致力于从零开始构建一种新的测量工具。他们希望开发一种符合未来医生独特需求的测试，一种能够考虑到患者护理的高风险性以及中国医疗体系特有的法律和伦理的测试。他们的目标是创建一个量表，能够准确地告诉教育者，一名学生对人工智能在医学中的作用理解得究竟如何——从技术细节到道德影响。
研究人员首先从许多不同的渠道收集想法。他们查阅了现有的研究，采访了医学生和专家，并咨询了一个涵盖从临床医学到医学伦理等多个领域的专家小组。这一过程帮助他们确定了最重要的知识领域。他们意识到，在医学领域具备“人工智能素养”并非仅仅是一项单一的技能。相反，它由四个截然不同的部分组成。首先，是理解并使用技术本身的能力，例如知道如何提出正确的问题以从计算机中获得有用的答案。其次，是人文层面，这涉及保持清醒的头脑，不让机器接管医生自身的思考。第三，是伦理层面，涵盖了隐私、公平以及关于数据应如何处理的规则。最后，是学习层面，即关于如何利用这些工具来帮助学生在整个职业生涯中成长和学习新事物。
为了将这些想法转化为真正的测试，团队创建了一份包含二十个特定问题的清单。随后，他们邀请了来自三所不同大学的数百名医学生进行问卷调查。研究人员将人群分为两组：一组帮助他们确定问题的关联性，另一组则帮助他们验证结构的稳固性。通过严谨的统计分析，他们发现这二十个问题自然地归类到了他们预设的四个类别中。该测试证明是可靠的，这意味着如果一名学生再次参加测试，很可能会得到相似的分数，且问题始终如一地测量着它们本应测量的内容。最终的结果是一个包含二十个项目的量表，涵盖了人工智能素养的全光谱，从技术诀窍到伦理责任。
研究发现，这个被研究人员命名为“医学生人工智能素养量表”的新工具效果良好。它成功地区分了不同的理解水平，并提供了学生优劣势的清晰图景。它所测量的四个维度——技术与应用、人文价值、伦理与公平以及人工智能增强学习——为“在人工智能驱动的医疗未来中做好准备”提供了完整的视角。研究人员建议，学校现在可以使用该量表来检查现有教学的效果，并设计更好的课程。通过拥有衡量这些技能的可靠方式，医学教育者可以确保下一代医生不仅熟悉人工智能，而且真正准备好在护理患者时明智、安全且合乎伦理地使用它。
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。