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 | حاکمیت داده، هوش مصنوعی، آموزش علوم پزشکی، امنیت داده، اخلاق |
| خلاصه مقاله | چکیده سابقه و هدف: با گسترش هوش مصنوعی در آموزش پزشکی، مدیریت ایمن و اخلاقمدار دادهها به دغدغهای اصلی تبدیل شده است. بهرهگیری از دادههای دانشجویان و اطلاعات بالینی نیازمند چارچوبی است که حریم خصوصی، استانداردهای اخلاقی و قانونی را رعایت کرده و اعتماد و کیفیت سیستمهای هوش مصنوعی را تضمین کند. هدف این پژوهش، طراحی مدل جامع حاکمیت داده برای پیادهسازی ایمن و اخلاقمدار هوش مصنوعی در آموزش علوم پزشکی بود. مواد و روشها: این مطالعه از نوع توسعهای-تحلیلی و مبتنی بر رویکرد ترکیبی بوده و شامل سه مرحله اصلی است: نخست، با اجرای مرور اسکوپینگ منابع علمی و استانداردهای بینالمللی، مؤلفههای کلیدی حاکمیت داده در محیطهای آموزشی و بالینی شناسایی شد؛ دوم، با استفاده از روش تحلیل مفهومی، چارچوب مدل اولیه طراحی گردید؛ و سوم، مدل پیشنهادی از طریق مطالعه دلفی با حضور خبرگان حوزه آموزش پزشکی، فناوری آموزشی و امنیت دادهها اعتبارسنجی شد. یافتهها: مدل پیشنهادی شامل چهار مؤلفه اصلی بود: 1) سیاستها و قوانین حاکمیت داده (تدوین سیاستهای حریم خصوصی و امنیت دادهها، رعایت مقررات و استانداردهای بینالمللی مانند GDPR و HIPAA، تعیین خطمشیهای شفاف برای استفاده از دادهها در مدلهای هوش مصنوعی، ایجاد سازوکارهای نظارتی و ارزیابی مستمر سیاستها) 2) مدیریت کیفیت و امنیت دادهها (پیادهسازی فرآیندهای استاندارد برای جمعآوری و پردازش دادهها، استفاده از تکنیکهای پاکسازی و اعتبارسنجی دادهها، اعمال کنترلهای دسترسی و رمزگذاری دادهها، نظارت مستمر بر کیفیت دادهها و شناسایی انحرافات احتمالی، مدیریت ریسکهای امنیتی و مقابله با تهدیدات سایبری) 4) شفافیت و پاسخگویی هوش مصنوعی (ارائه توضیحات قابل فهم درباره نحوه عملکرد مدلهای هوش مصنوعی، مستندسازی مسیر دادهها و فرآیندهای تصمیمگیری، پیادهسازی مکانیزمهای بازبینی و تأیید نتایج مدلها، ایجاد کانالهای ارتباطی برای دریافت بازخورد از کاربران و ذینفعان، تضمین قابلیت پیگیری و اصلاح تصمیمات مدلهای هوش مصنوعی) 4) آموزش و توانمندسازی کاربران (طراحی و ارائه دورههای آموزشی مرتبط با حاکمیت داده و هوش مصنوعی، ارتقای سواد دادهای و دیجیتال در میان اساتید و دانشجویان، ایجاد منابع آموزشی و راهنماهای کاربردی، برگزاری کارگاههای عملی و جلسات بازآموزی، ارزیابی اثربخشی برنامههای آموزشی و بهبود مستمر آنها). اعتبارسنجی دلفی نشان داد که مدل پیشنهادی از نظر کارآمدی، نوآوری و انطباق با استانداردهای بینالمللی قابلیت پیادهسازی در محیطهای آموزش پزشکی را دارد. نتیجه گیری: اجرای مدل حاکمیت داده میتواند بستر ایمن، اخلاقمدار و شفاف برای استفاده از هوش مصنوعی در آموزش پزشکی فراهم کند و به تصمیمگیرندگان و مدیران آموزشی کمک کند تا ضمن رعایت استانداردهای اخلاقی و قانونی، از پتانسیل کامل فناوری برای ارتقای کیفیت یادگیری بهرهبرداری نمایند. |
| نام فایل | تاریخ درج فایل | اندازه فایل | دانلود |
|---|---|---|---|
| مدل حاکميت داده براي پ ياد هسازي ايمن و اخلا قمدار هوش مصنوعي در آموزش علوم پزش ک ي.pdf | 1404/09/23 | 202694 | دانلود |
| 3.PNG | 1404/09/23 | 379756 | دانلود |
