دوره 20، شماره 4 - ( زمستان 1405 )
جلد 20 شماره 4 صفحات 1425-1411 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mokhtarezadeh M M. The Role of Artificial Intelligence in Reshaping Teaching and Learning Structures in Medical Education: A Narrative Review. jmed 2026; 20 (4) :1411-1425
URL: http://jmed.ssu.ac.ir/article-1-1603-fa.html
URL: http://jmed.ssu.ac.ir/article-1-1603-fa.html
مخترع زاده محمدمعین. نقش هوش مصنوعی در بازآرایی ساختارهای یاددهی، یادگیری در آموزش علوم پزشکی: یک مرور روایتی. مجله مركز مطالعات و توسعه آموزش علوم پزشكي يزد. 1405; 20 (4) :1411-1425
دانشجوی دکترای عمومی پزشکی، کمیته تحقیقات دانشجویی، دانشکده پزشکی، دانشگاه علوم پزشکی شهید صدوقی یزد، یزد، ایران. ، 0930moein@gmail.com
چکیده: (23 مشاهده)
مقدمه: هوش مصنوعی بهطور فزایندهای در حال تأثیرگذاری بر فرآیندهای یاددهی، یادگیری و ارزیابی در آموزش علوم پزشکی است. پیشرفتهای اخیر، بهویژه در حوزه هوش مصنوعی مولد، محدودیتهای الگوهای آموزشی سنتی را برجسته کرده و ضرورت بازنگری در پارادایمهای آموزشی و برنامههای درسی را نشان میدهد. هدف این مرور روایتی، بازآرایی ساختارهای یاددهی، یادگیری در آموزش علوم پزشکی است.
روش بررسی: این پژوهش یک مرور روایتی است که مقالات فارسی و انگلیسی منتشرشده در بازه زمانی 2015 تا 2025 را بررسی کرده است. جستجو در پایگاههای PubMed، Scopus، Web of Science، SID، Irandoc و Magiran با استفاده از کلیدواژههای مرتبط با هوش مصنوعی، آموزش پزشکی، برنامه درسی و هوش مصنوعی مولد انجام شد. پس از حذف موارد تکراری و غربالگری عنوان، چکیده و متن کامل توسط دو پژوهشگر مستقل، در نهایت ۱۵ مقاله واجد شرایط انتخاب شد. دادهها استخراج و با استفاده از تحلیل محتوای کیفی تحلیل شدند.
نتایج: تحلیل مطالعات منجر به شناسایی پنج تم اصلی شامل پارادایمهای نوین یادگیری مبتنی بر هوش مصنوعی، ضرورت بازنگری کوریکولوم، نقش آموزشی هوش مصنوعی مولد، نگرش و آمادگی ذینفعان، و چالشها و ملاحظات اخلاقی شد. شواهد نشان داد که هوش مصنوعی میتواند یادگیری شخصیسازیشده، شبیهسازی بالینی و بازخورد آموزشی را بهبود بخشد؛ با این حال، چالشهایی مانند سوگیری الگوریتمی، تولید اطلاعات نادرست و تهدید صداقت علمی نیز گزارش شدهاند.
نتیجهگیری: ادغام مؤثر هوش مصنوعی در آموزش پزشکی مستلزم رویکردی نظاممند، مبتنی بر شواهد و اخلاقمحور و بازنگری هدفمند در برنامههای درسی است.
روش بررسی: این پژوهش یک مرور روایتی است که مقالات فارسی و انگلیسی منتشرشده در بازه زمانی 2015 تا 2025 را بررسی کرده است. جستجو در پایگاههای PubMed، Scopus، Web of Science، SID، Irandoc و Magiran با استفاده از کلیدواژههای مرتبط با هوش مصنوعی، آموزش پزشکی، برنامه درسی و هوش مصنوعی مولد انجام شد. پس از حذف موارد تکراری و غربالگری عنوان، چکیده و متن کامل توسط دو پژوهشگر مستقل، در نهایت ۱۵ مقاله واجد شرایط انتخاب شد. دادهها استخراج و با استفاده از تحلیل محتوای کیفی تحلیل شدند.
نتایج: تحلیل مطالعات منجر به شناسایی پنج تم اصلی شامل پارادایمهای نوین یادگیری مبتنی بر هوش مصنوعی، ضرورت بازنگری کوریکولوم، نقش آموزشی هوش مصنوعی مولد، نگرش و آمادگی ذینفعان، و چالشها و ملاحظات اخلاقی شد. شواهد نشان داد که هوش مصنوعی میتواند یادگیری شخصیسازیشده، شبیهسازی بالینی و بازخورد آموزشی را بهبود بخشد؛ با این حال، چالشهایی مانند سوگیری الگوریتمی، تولید اطلاعات نادرست و تهدید صداقت علمی نیز گزارش شدهاند.
نتیجهگیری: ادغام مؤثر هوش مصنوعی در آموزش پزشکی مستلزم رویکردی نظاممند، مبتنی بر شواهد و اخلاقمحور و بازنگری هدفمند در برنامههای درسی است.
نوع مطالعه: مروري |
موضوع مقاله:
آموزش پزشكي
دریافت: 1404/8/21 | پذیرش: 1404/12/4 | انتشار: 1405/1/15
دریافت: 1404/8/21 | پذیرش: 1404/12/4 | انتشار: 1405/1/15
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
