Current applications and outcomes of AI-driven adaptive learning systems in physical rehabilitation science education: A scoping review protocol
Notice bibliographique
Résumé
Rationale Integrating artificial intelligence (AI) into education has introduced transformative possibilities, particularly through adaptive learning systems. Rehabilitation science education stands to benefit significantly from the integration of AI-driven adaptive learning systems. However, the application of these technologies remains underexplored. Understanding the current applications and outcomes of AI-driven adaptive learning in broader healthcare education can provide valuable insights into how these approaches can be effectively adapted to enhance multimodal case-based learning in Rehabilitation Science education. Methods The scoping review is based on the Joanne Briggs Institute (JBI) framework. It is reported according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses extension for Scoping Reviews (PRIMSA-ScR). A comprehensive search strategy will be used to find relevant papers in Scopus, PubMed, CINAHL, Education Resources Information Center (ERIC), Association for Computing Machinery (ACM), ProQuest Education Journal, Web of Science, ProQuest Dissertations & Theses Global, and IEEE Digital Library. This review will include all types of studies that describe or evaluate our outcomes of interest: AI models used, learning and teaching methods, effective implementation, outcomes, and challenges of ALS's in rehabilitation health science education. Data will be extracted using a pre-piloted data extraction sheet and synthesized narratively to identify themes and patterns. Discussion This scoping review will synthesize the applications of AI models in rehabilitation science education. It will provide evidence for educators, healthcare professionals, and policymakers to incorporate AI into educational curricula effectively. The protocol is registered on Open Science Framework registries at https://osf.io/e46s3.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,126 | 0,131 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,011 | 0,015 |
| Bibliométrie | 0,026 | 0,019 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,009 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,054 | 0,010 |
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 source (Gemma direct ou Codex distillé), 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 ».