原始文章

這項研究探討中國醫學生對大型語言模型(LLMs)的接受度,並以技術接受模型(TAM)為框架。調查結果顯示,學生普遍願意將LLMs融入學習中。主要發現指出,學生的態度顯著影響他們使用LLMs的意圖,並在感知有用性、易用性和感知風險之間起到中介作用。此外,感知風險和社會影響也直接影響行為意圖。研究強調TAM在理解醫學教育中LLMs接受度的重要性,並指出將LLMs整合進學生學習經驗的必要性。 PubMed DOI


站上相關主題文章列表

使用大型語言模型(LLMs)在醫學教育可能有革新效果,解決資訊過載和時間不足等問題。研究指出LLMs對醫學生學習有正面影響,但也提到準確性和倫理挑戰。負責任地應用LLMs可增進學習體驗,但需注意準確性、技能培養和道德標準。持續評估和合作是整合LLMs在醫學教育中的關鍵。 PubMed DOI

這項研究探討年長者對大型語言模型(LLMs)的接受度,並運用技術接受模型(TAM)進行分析。透過橫斷面調查,研究發現感知易用性和感知有用性會影響年長者使用這些技術的意圖。結果顯示,主觀規範、形象、工作相關性、輸出品質、結果可展示性等因素能顯著提升感知有用性。此外,感知易用性和感知有用性對使用LLMs的意圖有正面影響。研究建議開發者和政策制定者應設計適合年長者的聊天機器人,以便更好地融入他們的生活。 PubMed DOI

這篇文章探討大型語言模型(LLMs)對醫學教育的影響,指出其潛在好處如提升教學品質、個性化學習及增強臨床技能訓練等。然而,也提到挑戰,包括資訊準確性、過度依賴科技、缺乏情感智慧,以及隱私和數據安全的倫理問題。為了有效整合LLMs,教育者需具備適應性,培養批判性思維,並重視實踐經驗,以培養既懂科技又具職業倫理的醫療專業人員,應對未來挑戰。 PubMed DOI

這項研究評估了安徽醫科大學醫學生對大型語言模型(LLMs),如ChatGPT的理解與使用情況。調查於2023年12月至2024年1月進行,共發放1,774份問卷,回收有效回應1,718份,回應率達96.84%。 主要發現包括:34.5%的學生使用過LLMs,男性、大三學生及公共衛生管理專業的學生對LLMs理解較好。男性和護理專業學生對LLMs的信任較高,且男性與大三學生在輔助學習中使用LLMs更普遍。大多數學生對LLMs持中立態度,只有3%持悲觀看法。研究指出,性別、年級和專業影響醫學生對LLMs的理解與使用,建議將這些模型整合進醫學教育中以提升教學效果。 PubMed DOI

這項研究透過電話訪談,調查印度醫學生對大型語言模型(LLMs)在醫學教育中的看法。25名學生的回應經過分析後,整理出三個主要主題:使用情境、增強學習和LLMs的限制。學生們表示,LLMs幫助他們澄清複雜主題、尋找客製化答案、解決選擇題、創建簡化筆記及簡化作業。他們欣賞這些工具的易用性和省時優勢,但也擔心不準確性、可靠性和隱私問題。學生強調需要培訓,以有效整合LLMs進醫學教育。總體而言,LLMs有潛力提升醫學教育,但需解決挑戰以發揮其優勢。 PubMed DOI

本研究探討影響中國醫療專業人士採用醫療大型語言模型(MLLMs)的因素,基於擴展的科技接受模型(TAM),並考量心理及人口統計因素。從2023年3月到12月進行的調查中,有955名醫療人員參與。結果顯示,感知易用性顯著預測感知有用性和滿意度,內容品質影響滿意度但不影響有用性,技術支持和社會影響則增強感知有用性。感知有用性對滿意度和使用行為有正面影響,而感知風險則有負面影響。性別、年齡、教育程度和職稱等因素會調節滿意度與使用行為的關係,為未來醫療領域的MLLMs開發提供了重要見解。 PubMed DOI

**引言** 人工智慧(AI)在醫學領域受到廣泛關注,尤其是大型語言模型(LLMs)如ChatGPT的興起,使其對醫學生更具可及性。本研究探討醫學生如何使用基於LLM的工具及其看法。 **方法** 2024年1月,佛羅里達大學醫學院對醫學生進行調查,評估他們對AI和LLM工具的使用情況及看法。 **結果** 102名受訪者中,69%每月至少使用一次這些工具,77.1%認為信息準確,80%有意在未來繼續使用。對AI有基本了解的學生更可能使用這些工具並進行信息交叉檢查。接觸過AI的學生對臨床決策中信任AI的可能性更高。 **結論** 基於LLM的聊天機器人已成為醫學生學習的重要資源,醫學生普遍對其持正面看法,並希望在課程中納入AI,以準備未來的實踐。 PubMed DOI

這項研究探討如何利用大型語言模型(LLMs)來提升醫學生的臨床決策訓練,透過模擬病人互動進行。研究分為對照組和反饋組,反饋組除了模擬對話外,還獲得AI生成的表現反饋。共21名醫學生參與,使用臨床推理指標評估表現。結果顯示,反饋組經過訓練後表現顯著優於對照組,特別在情境創建和資訊獲取上。研究指出,AI模擬對話結合結構化反饋,能有效支持臨床決策訓練,提升學生的實務準備。 PubMed DOI

本研究探討護理學生對大型語言模型(LLMs)的看法,並運用計畫行為理論(TPB)進行分析。研究於2024年1至6月進行,透過目的性和滾雪球抽樣招募24名來自中國13所醫學大學的護理學生,並進行半結構式線上訪談。分析結果顯示,影響學生採用LLMs的因素包括正面態度、媒體影響、使用者友好設計等促進因素,以及謹慎態度、組織壓力、數位素養不足等障礙因素。研究結果可為護理教育者提供整合LLMs的參考。 PubMed DOI

這項研究探討大型語言模型(LLMs),像是ChatGPT,對英語作為外語(EFL)寫作教學的影響,特別是學習者的動機和接受度。研究對象為238名參與者,他們接受過使用LLMs進行商業英語寫作的訓練。透過偏最小平方結構方程模型(PLS-SEM),分析了動機、先前學習經驗和技術接受因素的關係。結果顯示,學習者的表現期望和社會影響顯著影響使用意圖,而動機則是影響使用LLMs的關鍵因素,強調了在EFL寫作教育中整合技術的重要性。 PubMed DOI