Integrating large language models into medical education: A commentary on opportunities, challenges, and future directions
Notice bibliographique
Résumé
Shortly following its release in November 2022, OpenAI’s ChatGPT gained notoriety in the medical education community for its ability to perform at or near the passing threshold on the United States Medical Licensing Examination (USMLE). Although there is an overwhelming amount of excitement surrounding artificial intelligence (AI) and its potential to revolutionize medical training, this commentary seeks to explore both the opportunities and challenges posed by incorporating large language models (LLMs) such as ChatGPT into medical education. To evaluate ChatGPT’s impact in the context of problem-based learning (PBL) medical education, we conducted two initial studies. The first study assessed ChatGPT’s performance on concept application exercises (CAEs)—short-answer assessments used in our program to gauge student progress. After establishing ChatGPT’s performance on CAEs, our second study aimed to evaluate ChatGPT’s ability to effectively grade student-generated responses. Our results reveal that ChatGPT not only outperforms students who are marginally passing but also grades these assessments with promising alignment to human grading practices. Our team’s future research plans include examining ChatGPT's ability to provide effective feedback, generate discerning assessment questions, create realistic training scenarios, and support continuous professional development. Although we are optimistic about future applications of LLMs, we emphasize the need for an AI-assisted approach that employs human oversight to mitigate the inherent risks associated with LLMs, such as bias perpetuation, inaccuracies, over-reliance, and potential misuse. Ultimately, through the thoughtful and evidence-based implementation of these new tools, we believe AI can be harnessed to augment rather than undermine the quality and effectiveness of medical education.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».