gms | German Medical Science

Jahrestagung der Gesellschaft für Medizinische Ausbildung (GMA)

15.09. - 17.09.2022, Halle (Saale)

Evaluation eines Blended-Learning-Kursangebots zur Steigerung der AI Literacy bei Medizinstudierenden

Meeting Abstract

  • presenting/speaker Matthias C. Laupichler - Universitätsklinikum Bonn, Institut für Medizindidaktik, Bonn, Deutschland
  • Dariusch R. Hadizadeh - Universitätsklinikum Bonn, Klinik für Diagnostische und Interventionelle Radiologie, Bonn, Deutschland
  • Maximilian W. M. Wintergerst - Universitätsklinikum Bonn, Universitäts-Augenklinik, Bonn, Deutschland
  • Leon von der Emde - Universitätsklinikum Bonn, Universitäts-Augenklinik, Bonn, Deutschland
  • Daniel C. Paech - Universitätsklinikum Bonn, Klinik für Neuroradiologie, Bonn, Deutschland
  • Tobias Raupach - Universitätsklinikum Bonn, Institut für Medizindidaktik, Bonn, Deutschland

Gemeinsame Jahrestagung der Gesellschaft für Medizinische Ausbildung (GMA) und des Arbeitskreises zur Weiterentwicklung der Lehre in der Zahnmedizin (AKWLZ). Halle (Saale), 15.-17.09.2022. Düsseldorf: German Medical Science GMS Publishing House; 2022. DocP-02-10

doi: 10.3205/22gma163, urn:nbn:de:0183-22gma1630

Veröffentlicht: 14. September 2022

© 2022 Laupichler et al.
Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). Lizenz-Angaben siehe http://creativecommons.org/licenses/by/4.0/.


Gliederung

Text

Fragestellung/Zielsetzung: Das primäre Ziel war die Erstellung eines skalierbaren Kurscurriculums im Blended-Learning-Format zur Steigerung der Kompetenzen im Bereich der künstlichen Intelligenz (AI Literacy) in der Medizin im Allgemeinen und der medizinischen Bildgebung im Speziellen. Eine anschließende Evaluation sollte die Teilnehmendenzufriedenheit und den durch den Kurs erreichten Lernzuwachs erheben.

Methoden: Der Kurs wurde in folgende vier Module aufgeteilt: Grundlagen der KI und KI-Einsatz in der radiologischen, ophthalmologischen sowie neuroradiologischen Bildgebung. Durch die Beteiligung von Expert*innen aus drei Fachbereichen, welche KI bereits heute in ihrer täglichen Routine nutzen, wurde der Praxisbezug gesteigert. Strukturell folgte der Kurs dabei einem Blended-Learning-Format. Dabei wechselten sich Online-Selbststudiumsinhalte (Lernvideos und Selbsttests i.S.v. „test enhanced learning“, [1]), welche auf der MOOC-Plattform „KI Campus“ kostenlos und frei zugänglich zur Verfügung gestellt wurden, mit virtuellen Präsenzveranstaltungen ab. Diese boten den Studierenden die Möglichkeit, selbst Befunde zu erstellen und unter tutorieller Supervision mit den Ergebnissen von KI-gestützten Analysen zu vergleichen. Der Kurs wurde im Anschluss mithilfe eines allgemeinen Evaluationsfragebogens und eines Fragebogens zur Erfassung der sog. „AI Readiness“, der speziell für Medizinstudierende erstellt wurde, (MAIRS-MS, [2]) evaluiert.

Ergebnisse: Der Kurs wurde von den Studierenden im Schnitt sehr positiv bewertet. Während die vier Kursmodule alle ungefähr gleich gut bewertet wurden (M=4,39, SD=0,62), konnten die Selbststudiumsinhalte auf KI-Campus (M=4,35, SD=0,62) die Studierenden mehr überzeugen als die virtuellen Präsenzveranstaltungen (M=3,88, SD=0,97) oder die Abschlussaufgabe (M=3,19, SD=1,14). Die Hälfte aller Teilnehmenden gab an, den Kurs in diesem Format aktiv an Kommiliton*innen weiterzuempfehlen. Bei der vergleichenden Selbsteinschätzung [3] zur AI Readiness vor und nach Besuch des Kurses konnte bei einem Großteil der Items ein großer Zuwachs festgestellt werden.

Diskussion: Es konnte gezeigt werden, dass der Kurs zum Einsatz von KI in der med. Bildgebung als hochaktuelles Thema gut von Studierenden angenommen wird und zukünftige Mediziner*innen auf den Einsatz von KI vorbereiten kann.

Take Home Messages: Bei freiwilligen, extracurricularen (KI-) Lehrangeboten sollte den Studierenden eine möglichst hohe zeitliche Flexibilität ermöglicht werden, um die Zusatzbelastung zum zeitlich intensiven Semesterwochenplan gering zu halten. Dies kann durch die Einbindung von Selbststudiumsinhalten in die eigene Lehre gelingen (z.B. qualitativ hochwertige Lernvideos, wie sie auf [https://ki-campus.org/] zu finden sind).


Literatur

1.
Roediger HL, Karpicke JD. Test-enhanced learning: Taking memory tests improves long-term retention. Psychol Sci. 2006; 7(3):249-255. DOI: 10.1111/j.1467-9280.2006.01693.x Externer Link
2.
Karaca O, Çalışkan SA, Demir K. Medical artificial intelligence readiness scale for medical students (MAIRS-MS) – development, validity and reliability study. BMC Med Educ. 2021;21(1):112. DOI: 10.1186/s12909-021-02546-6 Externer Link
3.
Schiekirka S, Reinhardt D, Beißbarth T, Anders S, Pukrop T, Raupach T. Estimating learning outcomes from pre- and posttest student self-assessments: a longitudinal study. Acad Med. 2013;88(3):369-375. DOI: 10.1097/ACM.0b013e318280a6f6 Externer Link