Perceptions and Use of Generative Artificial Intelligence in Medical Students: A Multicenter Survey
Notice bibliographique
Résumé
Introduction: Generative artificial intelligence (AI) has transformative potential in medical training, and its role in medicine holds drastic implications for patients, healthcare providers, and society; however, its current use by medical students is unknown. The study aims to characterize the use, frequency of use, and perceptions of generative AI by Canadian medical students. Methods: A cross-sectional survey was distributed to 6 medical schools in Ontario, Canada, to investigate how medical students use generative AI in education, clinical settings, and for communication, and to assess the perceived barriers and enablers that influence their use. Results: A total of 167 respondents completed the survey (60.8% female, 69.3% in first and second year), and over 78.9% of respondents reported using generative AI, with ChatGPT being the most popular model; 53.0% of respondents were frequent users and reported using generative AI tools at least once a week. In clinical settings, students report using generative AI for learning and reviewing medical content, summarizing clinical guidelines, and generating differential diagnoses; 92.8% of students were willing to learn how to use generative AI to integrate it into their future clinical practice. At the same time, most medical students appreciated the limitations of generative AI in terms of its risk for inaccuracy (91.6%) and bias (78.9%); 75.9% of participants agreed that generative AI should be implemented as a resource or formal teaching topic in medical training. Discussion: The findings of this study may help guide medical education institutions in adapting curricula and developing policies to promote the ethical and appropriate use of generative AI in medicine.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 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 ».