210名医学生1030次AI问诊对话，分层分析竟能看出临床推理过程！
From GenAI Virtual Patient Dialogue Logs to Teacher-Interpretable Process Evidence: A Learning Analytics Study in Higher Education
📖 AI 总结
该研究探讨了生成式人工智能虚拟病人对话日志如何转化为教师可解读的临床推理过程证据。研究分析了210名二年级医学生在五周内完成的1030次胸痛病例问诊对话，每次问诊均由教师根据完整对话进行评分，并按周中位数分为高分组和低分组。研究采用行为频率、认知网络分析和转换网络分析三个层次对编码对话数据进行解析。结果显示，高分组不仅问诊活动量更大，更关键的是其信息收集和症状探索行为更频繁地与沟通、核查、组织和综合行为相关联，且总结和组织行为更常引发验证性或机制导向的追问。该研究表明，对虚拟病人对话日志进行分层分析，能够揭示与高质量问诊相关的过程模式，为医学教育中基于过程的反馈提供支持。
🔑 关键词速览
| GenAI Virtual Patients (GenAI VPs) | 由生成式人工智能驱动的虚拟患者，用于模拟真实患者对话，支持医学学习者进行病史采集练习。 |
| Epistemic Network Analysis (ENA) | 认知网络分析，一种用于分析数据中概念或行为之间共现关系的定量方法，可揭示认知结构。 |
| Transition Network Analysis (TNA) | 转换网络分析，一种分析序列数据中状态或行为之间转换模式的方法，用于揭示过程动态。 |
| Clinical reasoning | 临床推理，指医疗专业人员通过收集和整合患者信息来做出诊断和治疗决策的认知过程。 |
| History taking | 病史采集，指医生通过询问患者获取症状、既往史等信息的过程，是临床诊断的基础步骤。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅