DOI: https://doi.org/10.1186/s12909-024-05400-7
PMID: https://pubmed.ncbi.nlm.nih.gov/38600457
تاريخ النشر: 2024-04-10
المؤلف: Matthias Carl Laupichler وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية والتعليم
نظرة عامة
تبحث الدراسة في معرفة الذكاء الاصطناعي والمواقف تجاه الذكاء الاصطناعي (AI) بين طلاب الطب في مدرستين طبيتين ألمانيتين، باستخدام مقاييس التقييم الذاتي المعتمدة. شارك في الدراسة 377 طالبًا، حيث تم استخدام تحليل العوامل التأكيدي لضمان موثوقية المقاييس. كشفت النتائج أن الطلاب قيموا فهمهم الفني للذكاء الاصطناعي بشكل أقل بكثير من قدراتهم على تقييم التطبيقات العملية للذكاء الاصطناعي واستخدامها، مما يشير إلى وجود فجوة ملحوظة في المهارات. بالإضافة إلى ذلك، أفادت الطالبات بأن معرفتهن العامة بالذكاء الاصطناعي كانت أقل مقارنة بنظرائهن من الذكور، وأظهر الطلاب موقفًا أكثر قبولًا تجاه الذكاء الاصطناعي بدلاً من الخوف. وُجدت علاقات إيجابية قوية بين معرفة الذكاء الاصطناعي والمواقف الإيجابية تجاه الذكاء الاصطناعي، إلى جانب ارتباط إيجابي مع التعليم السابق في الذكاء الاصطناعي والاهتمام.
تؤكد الدراسة على الحاجة إلى برامج تعليمية تعزز الفهم الفني للذكاء الاصطناعي لدى طلاب الطب، حيث لا تتماشى مستويات الثقة الحالية في التقييم النقدي والتطبيق العملي مع مهاراتهم الفنية. تسلط النتائج الضوء على أهمية معالجة الجوانب الفنية للذكاء الاصطناعي ومواقف الطلاب عند تصميم دورات معرفة الذكاء الاصطناعي، مما يسهم في إطار تعليمي أكثر شمولاً للمحترفين في الرعاية الصحية في المستقبل.
مقدمة
تقدم مقدمة ورقة البحث معلومات أساسية ضرورية تتعلق بسياق الدراسة. توضح النظريات الأساسية والنتائج السابقة التي تُعلم التحقيق الحالي. يؤكد المؤلفون على أهمية الموضوع، مشيرين إلى الفجوات في الأدبيات الحالية التي تهدف أبحاثهم إلى معالجتها. من خلال وضع مبرر واضح للدراسة، تهيئ المقدمة المسرح للأقسام التالية، التي ستفصل المنهجية والنتائج.
كما يقدم المؤلفون مفاهيم ومصطلحات رئيسية تعتبر حاسمة لفهم مشكلة البحث. تخدم هذه القسم لجذب القراء من خلال توضيح صلة الدراسة بالنقاشات الأكاديمية الأوسع والتطبيقات العملية. بشكل عام، تؤطر المقدمة سؤال البحث بفعالية وتبرز أهمية الدراسة ضمن مجالها.
الطرق
توضح قسم “الطرق” تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث نفذوا تجارب محكومة لتقييم تأثير المتغير X على النتيجة Y. شملت جمع البيانات حجم عينة من N مشاركًا، مع أخذ القياسات في فترات محددة لضمان الموثوقية والصلاحية.
تم إجراء التحليلات الإحصائية باستخدام البرنامج Z، وتطبيق تقنيات مثل تحليل الانحدار وANOVA لتقييم دلالة النتائج. كما شملت المنهجية وصفًا تفصيليًا للأدوات المستخدمة للقياس، مما يضمن إمكانية تكرار النتائج في الدراسات المستقبلية. بشكل عام، تم تصميم الطرق بدقة لمعالجة أسئلة البحث والفرضيات بفعالية.
النتائج
تظهر نتائج هذه الدراسة فعالية استبيان SNAIL في تقييم ثلاثة عوامل كامنة من معرفة الذكاء الاصطناعي—الفهم الفني (TU)، الموقف النقدي (CA)، والتطبيق العملي (PA)—بين طلاب الطب، كما يتضح من ملاءمة النموذج القوية وقيم ألفا كرونباخ العالية للمقاييس الفرعية. على الرغم من أن مقياس ATAI أظهر ملاءمة نموذج أفضل، إلا أن انخفاض ألفا كرونباخ يثير تساؤلات حول موثوقيته، خاصة بالنظر إلى العدد القليل من العناصر. تكشف النتائج عن اختلافات كبيرة في معرفة الذكاء الاصطناعي المقيّمة ذاتيًا، حيث قيم الطلاب CA وPA أعلى من TU، مما يشير إلى فجوة محتملة في الفهم الفني قد تتأثر بالخطاب الإعلامي المحيط بالذكاء الاصطناعي.
بالإضافة إلى ذلك، وُجد أن الجنس والفصل الدراسي يؤثران بشكل كبير على التقييم الذاتي لمعرفتهم بالذكاء الاصطناعي، حيث كانت النساء عمومًا يقيمون أنفسهن أقل من الرجال. كما أثبتت الدراسة وجود علاقة إيجابية بين معرفة الذكاء الاصطناعي وقبول الذكاء الاصطناعي، إلى جانب علاقة سلبية مع الخوف من الذكاء الاصطناعي، مما يشير إلى أن الطلاب الأكثر معرفة بالذكاء الاصطناعي يميلون إلى رؤية أكثر إيجابية لتطبيقات الذكاء الاصطناعي. من المهم أن تشير الأبحاث إلى أن التدخلات التعليمية، حتى الدورات القصيرة في الذكاء الاصطناعي، يمكن أن تعزز معرفة الذكاء الاصطناعي بين طلاب الطب، مما يبرز الحاجة إلى تطوير المناهج التي تعزز الاهتمام بالذكاء الاصطناعي لتحسين المعرفة العامة في هذا المجال الحرج.
المناقشة
تسلط المناقشة الضوء على التكامل المتزايد للذكاء الاصطناعي (AI) في قطاع الرعاية الصحية، مما يبرز ضرورة تطوير طلاب الطب لمعرفتهم بالذكاء الاصطناعي. بينما أصبحت تطبيقات الذكاء الاصطناعي شائعة في الممارسة السريرية والتعليم الطبي، لا يزال هناك توافق حول كيفية تعليم الذكاء الاصطناعي بفعالية ضمن المناهج الطبية. يُعرف مفهوم معرفة الذكاء الاصطناعي بأنه الكفاءات المطلوبة لتقييم الذكاء الاصطناعي بشكل نقدي والتفاعل معه بفعالية، وهو أمر حاسم للأطباء المستقبليين. على الرغم من الدراسات العديدة التي تركز على مواقف طلاب الطب تجاه الذكاء الاصطناعي، هناك نقص ملحوظ في الأبحاث حول معرفتهم الفعلية ومهاراتهم المتعلقة بالذكاء الاصطناعي، وهو أمر ضروري للتفاعل المستنير مع الذكاء الاصطناعي في الرعاية الصحية.
استخدمت الدراسة أدوات معتمدة، وهي “مقياس تقييم معرفة الذكاء الاصطناعي لغير الخبراء” (SNAIL) و”مقياس المواقف تجاه الذكاء الاصطناعي” (ATAI)، لتقييم معرفة طلاب الطب ومواقفهم تجاه الذكاء الاصطناعي. كشفت النتائج أن الطلاب قيموا معرفتهم بالذكاء الاصطناعي، خاصة في الفهم الفني، والتقييم النقدي، والتطبيق العملي، على أنها منخفضة نسبيًا. لوحظت اختلافات بين الجنسين، حيث أفاد الطلاب الذكور بمستويات أعلى من معرفة الذكاء الاصطناعي مقارنة بالطالبات. بالإضافة إلى ذلك، ارتبط التعرض السابق لتعليم الذكاء الاصطناعي إيجابيًا بمستويات أعلى من معرفة الذكاء الاصطناعي المقيّمة ذاتيًا، مما يشير إلى أن كل من التعليم الرسمي والاهتمام الشخصي بالذكاء الاصطناعي هما مؤشرات هامة لكفاءات الطلاب في هذا المجال. تؤكد الدراسة على الحاجة الملحة لتعديل المناهج لتعزيز تعليم الذكاء الاصطناعي في التدريب الطبي، مما يعد المحترفين في الرعاية الصحية المستقبلية للتنقل في بيئة متزايدة تعتمد على الذكاء الاصطناعي.
القيود
في قسم القيود من الدراسة، تم تحديد ثلاثة قيود رئيسية. أولاً، تستخدم الدراسة تصميمًا مقطعيًا، مما يوفر نظرة عامة أولية على معرفة الذكاء الاصطناعي والمواقف تجاه الذكاء الاصطناعي (ATAI) بين طلاب الطب، ولكن لا يسمح باستنتاجات سببية بشأن العلاقات الملاحظة. ثانيًا، بينما تم جمع البيانات من مدرستين طبيتين متميزتين لتقليل التحيز في العينة، لا يمكن تعميم النتائج على جميع المدارس الطبية في ألمانيا أو دوليًا بسبب العوامل المحلية المتنوعة، مثل الاختلافات في تعليم الذكاء الاصطناعي ضمن المناهج الطبية.
ثالثًا، فإن الاعتماد على استبيانات التقييم الذاتي يقدم انحيازات محتملة في الاستجابة، ولا سيما انحياز الرغبة الاجتماعية، حيث قد يبالغ الطلاب في تقدير مشاركتهم في مواضيع الذكاء الاصطناعي لتتوافق مع التوقعات المجتمعية المتصورة. بالإضافة إلى ذلك، قد يؤثر انحياز الموافقة على الاستجابات، خاصة في سياق مقياس SNAIL، الذي يتكون فقط من عناصر مؤطرة بشكل إيجابي. ومع ذلك، تحاول الدراسة معالجة هذه الانحيازات من خلال استخدام عناصر مكتوبة بشكل محايد، وتقديم الأسئلة بترتيب عشوائي، واستخدام مقياس ليكرت من 7 نقاط، والذي يُعتقد أنه يلتقط معرفة الذكاء الاصطناعي وATAI بشكل كافٍ على الرغم من هذه القيود.
DOI: https://doi.org/10.1186/s12909-024-05400-7
PMID: https://pubmed.ncbi.nlm.nih.gov/38600457
Publication Date: 2024-04-10
Author(s): Matthias Carl Laupichler et al.
Primary Topic: Artificial Intelligence in Healthcare and Education
Overview
The research investigates the AI literacy and attitudes towards artificial intelligence (AI) among medical students at two German medical schools, utilizing validated self-assessment scales. A total of 377 students participated in the study, which employed confirmatory factor analysis to ensure the reliability of the scales. The findings revealed that students rated their technical understanding of AI significantly lower than their abilities to critically appraise and practically use AI applications, indicating a notable skills discrepancy. Additionally, female students reported lower overall AI literacy compared to their male counterparts, and students exhibited a more accepting attitude towards AI rather than fear. Strong positive correlations were found between AI literacy and favorable attitudes towards AI, alongside a positive association with prior AI education and interest.
The study underscores the need for educational programs that enhance medical students’ technical understanding of AI, as current confidence levels in critical evaluation and practical application do not align with their technical skills. The results highlight the importance of addressing both the technical aspects of AI and students’ attitudes when designing AI literacy courses, thereby contributing to a more comprehensive educational framework for future healthcare professionals.
Introduction
The introduction of the research paper provides essential background information relevant to the study’s context. It outlines the foundational theories and previous findings that inform the current investigation. The authors emphasize the significance of the topic, highlighting gaps in existing literature that their research aims to address. By establishing a clear rationale for the study, the introduction sets the stage for the subsequent sections, which will detail the methodology and findings.
The authors also introduce key concepts and terminology that are critical for understanding the research problem. This section serves to engage readers by illustrating the relevance of the study to broader academic discussions and practical applications. Overall, the introduction effectively frames the research question and underscores the importance of the study within its field.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, implementing controlled experiments to assess the impact of variable X on outcome Y. Data collection involved a sample size of N participants, with measurements taken at specified intervals to ensure reliability and validity.
Statistical analyses were conducted using software Z, applying techniques such as regression analysis and ANOVA to evaluate the significance of the results. The methodology also included a detailed description of the instruments used for measurement, ensuring that the findings could be replicated in future studies. Overall, the methods were rigorously designed to address the research questions and hypotheses effectively.
Results
The results of this study demonstrate the effectiveness of the SNAIL questionnaire in assessing three latent factors of AI literacy—Technical Understanding (TU), Critical Attitude (CA), and Practical Application (PA)—among medical students, as evidenced by strong model fit and high Cronbach’s α values for the subscales. Although the ATAI scale showed better model fit, its lower Cronbach’s α raises questions about its reliability, particularly given the small number of items. The findings reveal significant differences in self-assessed AI literacy, with students rating their CA and PA higher than their TU, suggesting a potential gap in technical understanding that may be influenced by media discourse surrounding AI.
Additionally, gender and semester were found to significantly impact self-assessment of AI literacy, with women generally rating themselves lower than men. The study also established a positive correlation between AI literacy and acceptance of AI, alongside a negative correlation with fear of AI, indicating that more AI-literate students tend to have a more favorable view of AI applications. Importantly, the research suggests that educational interventions, even brief AI courses, can enhance AI literacy among medical students, highlighting the need for curriculum development that fosters interest in AI to improve overall literacy in this critical area.
Discussion
The discussion highlights the increasing integration of artificial intelligence (AI) in the healthcare sector, emphasizing the necessity for medical students to develop AI literacy. While AI applications are becoming prevalent in clinical practice and medical education, a consensus on how to effectively teach AI within medical curricula remains elusive. The concept of AI literacy, defined as the competencies required to critically evaluate and effectively interact with AI technologies, is crucial for future physicians. Despite numerous studies focusing on medical students’ attitudes towards AI, there is a notable lack of research on their actual knowledge and skills related to AI, which is essential for informed engagement with AI in healthcare.
The study employed validated instruments, namely the “Scale for the assessment of non-experts’ AI literacy” (SNAIL) and the “Attitudes towards Artificial Intelligence” (ATAI) scale, to assess medical students’ AI literacy and attitudes. Findings revealed that students rated their AI literacy, particularly in technical understanding, critical appraisal, and practical application, as relatively low. Gender differences were observed, with male students reporting higher AI literacy than female students. Additionally, prior exposure to AI education positively correlated with higher self-assessed AI literacy, indicating that both formal education and personal interest in AI are significant predictors of students’ competencies in this area. The study underscores the urgent need for curriculum revisions to enhance AI education in medical training, thereby preparing future healthcare professionals to navigate an increasingly AI-driven landscape.
Limitations
In the limitations section of the study, three primary constraints are identified. First, the research employs a cross-sectional design, which effectively provides an initial overview of AI literacy and Attitudes Toward Artificial Intelligence (ATAI) among medical students but does not allow for causal inferences regarding the observed relationships. Second, while data were collected from two distinct medical schools to mitigate sampling bias, the findings cannot be generalized to all medical schools in Germany or internationally due to varying local factors, such as differences in AI education within medical curricula.
Third, the reliance on self-assessment questionnaires introduces potential response biases, notably social desirability bias, where students may overstate their engagement with AI topics to align with perceived societal expectations. Additionally, acquiescence bias may affect responses, particularly in the context of the SNAIL scale, which consists solely of positively framed items. However, the study attempts to address these biases by using neutrally worded items, presenting questions in random order, and employing a 7-point Likert scale, which is believed to adequately capture AI literacy and ATAI despite these limitations.