DOI: https://doi.org/10.1080/0142159x.2026.2623964
PMID: https://pubmed.ncbi.nlm.nih.gov/41689255
تاريخ النشر: 2026-02-13
المؤلف: Enjy Abouzeid وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية والتعليم
نظرة عامة
تطوير حالات التعلم القائم على المشكلات (PBL) عالية الجودة في التعليم الطبي يواجه تحديات كبيرة بسبب الطبيعة المكثفة للموارد للعملية، والتي تتنافس مع مسؤوليات هيئة التدريس عبر مجالات مختلفة. لمعالجة هذه المشكلة، قدم المؤلفون أداة بناء حالات PBL، وهي تطبيق مخصص من ChatGPT يساعد المعلمين في إنشاء حالات PBL منظمة. تتطلب هذه الأداة إدخال معلومات حول أربعة معايير: الجمهور المستهدف، سياق المنهج، الموضوع الأساسي، والتعقيد المطلوب، مما يضمن أن المحتوى الناتج ذو صلة بالسياق وصحيح من الناحية التربوية. يتم تنسيق الحالات الناتجة بشكل متسق، مع ميزات تحفيزية تدريجية، وأهداف تعلم محددة، ومحفزات للمدرسين، مما يسمح للمعلمين بالانتقال من مؤلفين إلى مراجعين، وبالتالي تقليل عبء العمل مع تعزيز الكفاءة والاتساق.
تظهر تنفيذ بناء الحالات بمساعدة الذكاء الاصطناعي من خلال أداة بناء حالات PBL فوائد محتملة في تبسيط عملية التطوير، وتعزيز القابلية للتكيف، وتحسين الشفافية في التصميم التربوي. هناك حاجة إلى مزيد من البحث لتقييم التأثير التعليمي للحالات التي تم إنشاؤها بواسطة الذكاء الاصطناعي مقارنة بالحالات التقليدية التي أنشأها البشر، واستكشاف التصورات بين الطلاب وأعضاء هيئة التدريس، وإنشاء مستودعات مراجعة الأقران لتسهيل التوسع العالمي في هذا النهج المبتكر.
نقاش
يتناول قسم النقاش في ورقة البحث التحديات والحلول المحتملة المتعلقة بتطوير حالات التعلم القائم على المشكلات (PBL) عالية الجودة في التعليم الطبي. يبرز أن إنشاء حالات PBL فعالة يتطلب موارد كبيرة وخبرة كبيرة، مما يمكن أن يؤدي إلى “إرهاق PBL” بين المعلمين بسبب المطالب المتنافسة على وقتهم. يمكن أن يؤثر هذا الإرهاق على جودة PBL، مما يؤثر في النهاية على نتائج تعلم الطلاب. يقترح المؤلفون أن الذكاء الاصطناعي (AI)، وخاصة من خلال أدوات مثل أداة بناء حالات PBL من ChatGPT، يمكن أن يخفف بعض هذه الأعباء من خلال تمكين المعلمين من إنشاء مسودات حالات بشكل أكثر كفاءة. تتيح هذه الأداة للمعلمين التركيز على مراجعة وتنقيح الحالات بدلاً من البدء من الصفر، مما يعزز جودة وملاءمة الحالات المنتجة.
يتم وصف تنفيذ أداة بناء حالات PBL كعملية منظمة توجه المعلمين خلال تطوير الحالات، مما يضمن التوافق مع الأهداف المنهجية والملاءمة السياقية. تطلب الأداة من المستخدمين إدخال معايير أساسية، مثل الجمهور المستهدف والمواضيع الأساسية، لإنتاج مخرجات متسقة وصحيحة تربويًا. تشير التعليقات من مجموعة متنوعة من المعلمين في مجال الطب إلى دعم قوي لسهولة استخدام الأداة وقدرتها على تسهيل بناء الحالات مع التأكيد على ضرورة الإشراف من الخبراء لضمان الدقة السريرية والملاءمة. يخلص المؤلفون إلى أن دمج الذكاء الاصطناعي في تطوير الحالات يمكن أن يعزز بشكل كبير كفاءة وفعالية PBL في التعليم الطبي، مع اقتراح أن العمل المستقبلي يجب أن يركز على تحسين الأداة وتقييم تأثيرها التعليمي.
DOI: https://doi.org/10.1080/0142159x.2026.2623964
PMID: https://pubmed.ncbi.nlm.nih.gov/41689255
Publication Date: 2026-02-13
Author(s): Enjy Abouzeid et al.
Primary Topic: Artificial Intelligence in Healthcare and Education
Overview
The development of high-quality problem-based learning (PBL) cases in medical education poses significant challenges due to the resource-intensive nature of the process, which competes with faculty responsibilities across various domains. To address this issue, the authors introduced the PBL Case Builder, a customized ChatGPT application that assists educators in creating structured PBL cases. This tool requires input on four parameters: target audience, curriculum context, core topic, and desired complexity, ensuring that the generated content is contextually relevant and pedagogically sound. The resulting cases are formatted consistently, featuring progressive triggers, mapped learning objectives, and tutor prompts, allowing educators to transition from authors to reviewers, thereby reducing their workload while enhancing efficiency and consistency.
The implementation of AI-assisted case building through the PBL Case Builder demonstrates potential benefits in streamlining the development process, promoting adaptability, and improving transparency in pedagogical design. Future research is needed to assess the educational impact of AI-generated cases compared to traditional human-generated cases, investigate perceptions among students and faculty, and establish peer-reviewed repositories to facilitate the global scaling of this innovative approach.
Discussion
The discussion section of the research paper addresses the challenges and potential solutions related to the development of high-quality problem-based learning (PBL) cases in medical education. It highlights that creating effective PBL cases is resource-intensive and requires significant expertise, which can lead to ‘PBL fatigue’ among educators due to competing demands on their time. This fatigue can compromise the quality of PBL, ultimately affecting student learning outcomes. The authors propose that artificial intelligence (AI), particularly through tools like the ChatGPT PBL Case Builder, can alleviate some of these burdens by enabling educators to generate draft cases more efficiently. This tool allows educators to focus on reviewing and refining cases rather than starting from scratch, thereby enhancing the quality and relevance of the cases produced.
The implementation of the PBL Case Builder is described as a structured process that guides educators through case development, ensuring alignment with curricular objectives and contextual relevance. The tool prompts users for essential parameters, such as target audience and core topics, to produce consistent and pedagogically sound outputs. Feedback from a diverse group of medical educators indicates strong support for the tool’s usability and its ability to facilitate case construction while emphasizing the necessity of expert oversight to ensure clinical accuracy and appropriateness. The authors conclude that the integration of AI in case development can significantly enhance the efficiency and effectiveness of PBL in medical education, while also suggesting that future work should focus on optimizing the tool and evaluating its educational impact.