What Are the Opportunities and Challenges of Using AI in Medical Education in Vietnam?
Notice bibliographique
Résumé
Unlabelled: Artificial intelligence (AI) has the potential to transform medical training through adaptive learning, immersive simulations, automated assessments, and data-driven insights, offering solutions to persistent issues such as high student-to-faculty ratios, overcrowded classrooms, and limited clinical exposure. Globally, many universities have already embedded AI literacy and competencies into undergraduate, postgraduate, and continuing education programs, while in Vietnam, the use of AI in medical education remains limited and fragmented. Most students have little formal exposure to AI, and empirical evidence on faculty or institutional readiness is scarce. Experiences from other countries, including Malaysia, Palestine, and Oman, demonstrate that incremental adoption and faculty development can facilitate cultural acceptance and curricular innovation, providing useful lessons for Vietnam. At the same time, significant barriers remain. These include inadequate infrastructure in provincial universities, low levels of AI literacy among both students and educators, underdeveloped regulatory and ethical frameworks, and resistance to pedagogical change. Cost-effectiveness and sustainability are additional concerns in a middle-income context, where upfront investments must be balanced against long-term benefits and equitable access. Advancing AI in Vietnamese medical education will therefore require a coordinated national strategy that prioritizes infrastructure, AI literacy, faculty development, quality assurance, and sustainable funding models, alongside ethical and legal safeguards. By addressing these key foundations, Vietnam can harness AI not only to modernize medical education but also to strengthen preparedness for a digitally enabled health workforce.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».