یادگیری شخصی سازی شده مبتنی بر هوش مصنوعی در آموزش علوم پزشکی: مروری روایتی

هوش مصنوعی در سال های اخیر با فراهم کردن قابلیت تحلیل داده های یادگیری، ارائه بازخورد بلادرنگ و تنظیم محتوای آموزشی، فرصت های جدیدی برای شخصی سازی آموزش علوم پزشکی ایجاد کرده است. هدف از این مطالعه بررسی نقش یادگیری شخصی سازی شده مبتنی بر هوش مصنوعی در آموزش علوم پزشکی، شناسایی مهم ترین کاربردها و پیامدهای آموزشی آن و تحلیل چالش های اخلاقی و اجرایی مرتبط با استفاده از این فناوری بود. این مطالعه به صورت مرور روایتی انجام شد و منابع علمی مرتبط در پایگاه های PubMed، Scopus، Web of Science و Google Scholar با استفاده از کلیدواژه های مرتبط با هوش مصنوعی، یادگیری شخصی سازی شده، یادگیری تطبیقی، سیستم های تدریس هوشمند، هوش مصنوعی مولد و آموزش علوم پزشکی بررسی شدند. تمرکز اصلی بر مطالعات منتشرشده در سال های اخیر، به ویژه ۲۰۲۵ و ۲۰۲۶، قرار داشت و یافته ها به صورت موضوعی تحلیل شدند. شواهد بررسی شده نشان دادند که هوش مصنوعی می تواند با تنظیم مسیر و سطح دشواری یادگیری، ارائه بازخورد شخصی سازی شده، پشتیبانی از یادگیری خودراهبر، تولید محتوای متناسب با نیاز فراگیر، ارزیابی تطبیقی و ایجاد سیستم های تدریس هوشمند، برخی پیامدهای آموزشی از جمله عملکرد تحصیلی، مشارکت، رضایت و اعتمادبه نفس را بهبود بخشد. با این حال، محدودیت کیفیت و قطعیت شواهد، حجم نمونه کوچک برخی مطالعات، ناهمگونی روش ها، احتمال تولید اطلاعات نادرست، سوگیری الگوریتمی، نگرانی های مربوط به حریم خصوصی، تمامیت علمی و نابرابری در دسترسی، مانع از توصیه استفاده بدون محدودیت از این فناوری است. در مجموع، یادگیری شخصی سازی شده مبتنی بر هوش مصنوعی ظرفیت قابل توجهی برای ارتقای آموزش علوم پزشکی دارد، اما استفاده اثربخش و مسئولانه از آن مستلزم نظارت علمی مدرس، تقویت سواد هوش مصنوعی، اعتبارسنجی محتوای تولیدشده و انجام پژوهش های چندمرکزی و طولی برای بررسی پیامدهای پایدار و انتقال یادگیری به محیط بالینی است.

کلیدواژه ها:

هوش مصنوعی ، یادگیری شخصی سازی شده ، یادگیری تطبیقی ، آموزش علوم پزشکی ، سیستم های تدریس هوشمند