新近发表在《医学科学教育者》期刊上的研究突显了辛辛那提大学医学院由学生主导的医学教育工作，并探讨了人工智能如何协助定性研究。
来自俄亥俄州皮克林顿的三年级医学生乔纳森·鲍登(Jonathan Bowden)作为通讯作者，与来自加利福尼亚州圣何塞的三年级医学生梅加·莫哈纳克里希南(Megha Mohanakrishnan)合作领导了该项目。鲍登和莫哈纳克里希南均在辛辛那提大学获得了医学科学学士学位。
两位学生在医学教育系教授教育家安德鲁·汤普森(Andrew Thompson, PhD)的第一年医学课程中担任学习助理。通过与汤普森的合作，他们加入了一个项目，分析一年级医学生对解剖课程（作为他们课程的一部分）的想法和感受的调查回复。
"我们注意到一些共同主题：我们观察到学生对捐赠者及其家人的感激之情，以及对这一宝贵学习机会的欣赏和兴奋感，"鲍登说。"我们也注意到一些紧张和忧虑。"
以他们的人工分析作为金标准，学生们随后评估了人工智能是否能够执行类似的主题编码。
"这个项目的很大一部分源于我们作为医学生对是否可以使用人工智能更高效工作的真正好奇心，"鲍登说。"我们选择ChatGPT是因为它是免费且广泛可获取的。"
三种方法
研究团队测试了三种提示人工智能的方法，每种方法运行三次：
- 方法一指示ChatGPT仅使用主题列表及其定义进行回复编码。
- 方法二增加了25个带有分配主题和简要解释的示例回复。人工智能被告知在编码时参考这些示例。
- 方法三要求ChatGPT分别对25个示例回复进行编码。每次尝试后，学生们对错误或缺失的主题提供反馈，人工智能相应地修订其主题定义。完成25个示例后，ChatGPT使用更新后的定义对剩余回复进行编码。
"我们尝试越来越多地与人工智能互动以提高其准确性，"鲍登说。"方法三的准确性最高。"
反思
鲍登将这项研究描述为一个漫长的过程，该研究为未来的研究项目建立了可能性，并为学生们赢得了国家奖项。"我学会了如何从头开始承担一个项目，"他说。"我们获得了对研究项目的规划和执行的洞察。"
鲍登表示，他未来可能既行医又教授医学生。
"我感激现任医生为我们所做的大量工作，以及他们如何帮助我们找到我们的热情所在，"他说。鲍登目前正考虑选择内科作为住院医师专业。
【全文结束】
