چاپ صفحه |  صفحه نخست سامانه |  نویسندگان |  اطلاعات تفضیلی |  دانلود مقاله | دانشگاه علوم پزشکی تبریز |
| نویسنده | نفر چندم مقاله |
|---|---|
| امیر تراب میاندوآب | اول |
| منصور غفوری فرد | دوم |
| سعیده غفاری فر | سوم |
| سوگند حبیبی | چهارم |
| عنوان | متن |
|---|---|
| کلمات کلیدی | هوش مصنوعی، آموزش علوم پزشکی، فرصت، چالش، آینده پژوهی |
| خلاصه مقاله | چکیده سابقه و هدف: با پیشرفت فناوریهای دیجیتال و هوش مصنوعی، آموزش علوم پزشکی وارد مرحلهای تحولآفرین شده است که فرصتها و چالشهای جدیدی در یاددهی و یادگیری ایجاد میکند. هوش مصنوعی با تحلیل دادههای آموزشی و شخصیسازی یادگیری میتواند نقش راهبردی ایفا کند، اما چالشهای اخلاقی، قانونی، فرهنگی و فنی مانع بهرهبرداری کامل از آن هستند. هدف پژوهش حاضر، شناسایی و آیندهپژوهی فرصتها و چالشهای هوش مصنوعی در آموزش علوم پزشکی بود. مواد و روشها: این مطالعه از نوع تحقیق ترکیبی بوده و شامل دو مرحله مجزا است. در مرحله نخست، با اجرای مرور اسکوپینگ (Scoping Review) منابع علمی منتشرشده بین سالهای 2010 تا 2025، مطالعات مرتبط با کاربردهای AI در آموزش علوم پزشکی شناسایی و تحلیل شدند تا فرصتها و محدودیتهای موجود استخراج گردد. در مرحله دوم، برای اعتبارسنجی یافتهها و تعیین اولویتها، مطالعه دلفی با مشارکت ۳۰ خبره حوزه آموزش پزشکی، فناوری آموزشی و هوش مصنوعی انجام شد. شرکتکنندگان طی دو دور پرسشنامه ساختارمند، به توافق جمعی در خصوص اهمیت و اولویت چالشها و فرصتها دست یافتند. یافتهها: نتایج پژوهش نشان داد که فرصتهای هوش مصنوعی در آموزش علوم پزشکی شامل شخصیسازی یادگیری از طریق تحلیل دادههای یادگیرندگان و طراحی مسیرهای آموزشی متناسب با نیازها و سبکهای یادگیری، ارزیابی هوشمند و ارائه بازخورد دقیق و بهموقع، حمایت از تصمیمگیری بالینی با استفاده از تحلیل دادههای بالینی، ارتقای تعامل دانشجو-مدرس از طریق محیطهای تعاملی، شبیهسازیهای بالینی پیشرفته، توسعه برنامههای آموزشی تطبیقی، پیشبینی نیازهای آموزشی آینده و تسهیل دسترسی به منابع آموزشی است. در مقابل، چالشهای اصلی این حوزه شامل مسائل اخلاقی و حفظ حریم خصوصی، محدودیتهای فنی و زیرساختی، کمبود مهارتهای تخصصی، مقاومت فرهنگی در برابر فناوری، کیفیت و دقت دادههای ورودی، مسائل قانونی و مسئولیت حرفهای، هزینههای بالای پیادهسازی، عدم استانداردسازی، نگرانیهای مربوط به اعتماد و شفافیت و پیچیدگی تفسیر نتایج تولید شده توسط سیستمهای هوش مصنوعی میباشد. تحلیل دلفی امکان اولویتبندی این فرصتها و چالشها و ارائه چشمانداز عملیاتی و راهبردی برای دهه آینده را فراهم ساخت. نتیجه گیری: نتایج مطالعه حاکی از آن است که بهکارگیری هوش مصنوعی در آموزش علوم پزشکی نیازمند برنامهریزی راهبردی، تقویت زیرساختهای فناوری، آموزش نیروی انسانی متخصص و توجه همزمان به ابعاد اخلاقی و قانونی است. این پژوهش با تلفیق مرور اسکوپینگ و روش دلفی، تصویری جامع و مبتنی بر شواهد از آینده هوش مصنوعی در آموزش علوم پزشکی ارائه میدهد و میتواند مبنای تصمیمگیری سیاستگذاران، مدیران آموزشی و پژوهشگران در جهت بهرهگیری بهینه و راهبردی از این فناوری قرار گیرد. |
| نام فایل | تاریخ درج فایل | اندازه فایل | دانلود |
|---|---|---|---|
| 2.PNG | 1404/09/23 | 382556 | دانلود |
| آيند هپژوهي چالشها و فرصتهاي هوش مصنو عي در آموزش علوم پزشکي مرور اسکوپينگ.pdf | 1404/09/23 | 222720 | دانلود |
