Machine Learning-basierte Feedback-Unterstützung für Blended Learning im Medizinstudium
Blended Learning wird eingesetzt, um Medizinstudent*innen auf reale Situationen vorzubereiten, und für effektives Lernen benötigen Student*innen und Lehrpersonen detailliertes Feedback.
Laufzeit: Januar 2025 – Dezember 2025
Status: Laufend
Bildungsstufe: Tertiärstufe
Thema: Artificial Intelligence AI, Data Science for Education, Digital Tools
Keywords: Blended Learning, virtuelle Patient*innen, Learning Analytics, Machine Learning, NLP
Ausgangslage
Online‑Lern‑Tools sind in der medizinischen Ausbildung weit verbreitet, insbesondere seit der Covid‑Pandemie. Ein populäres Tool sind virtuelle Patient*innen (VPs). Dabei handelt es sich um interaktive Fälle, in denen Student*innen Entscheidungen treffen wie ein*e Ärzt*in. An der Medizinischen Fakultät der Universität Bern verwenden alle Medizinstudent*innen VPs, z. B. in der Notfallmedizin. Moderne Technologie erlaubt es, zu erfassen, wie Student*innen mit diesen Tools interagieren. Während VP‑Sessions beantworten Student*innen Fragen zur Anamnese, zur körperlichen Untersuchung, zu möglichen Diagnosen und Behandlungen. Ihre Antworten können aufgezeichnet und später mittels Learning Analytics (LA) analysiert werden, welche Muster im Lernverhalten untersucht. Ausserhalb der Medizin wird LA häufig genutzt, um das Engagement von Student*innen in Online‑Kursen zu überwachen, doch in der Gesundheitsbildung ist es noch selten. Freitext‑Zusammenfassungen, die Student*innen schreiben, sind ebenfalls nützlich, da sie zeigen, wie gut eine Person Patient*innenprobleme versteht und strukturiert – zentral für gutes klinisches Denken. Obwohl VPs generell beliebt sind, besteht Verbesserungsbedarf beim Feedback. Derzeit erhalten Student*innen keinen klaren Überblick über ihre Leistung oder wie sie sich gegenüber ihren Mitstudent*innen entwickeln. Beim Verfassen von Patient*innen‑Zusammenfassungen sehen sie lediglich die Antwort von Expert*innen, nicht aber ein personalisiertes Feedback.
Ziele
Virtuelle Patient*innen (VPs) sind in der medizinischen Ausbildung weit verbreitet, doch das Feedback kann verbessert werden. Wir entwickeln zwei Prototypen für Blended Learning: Der eine nutzt NLP zur Bewertung und Visualisierung der narrativen Zusammenfassungen der Student*innen, der andere zeigt Learning Analytics aller VP Interaktionen und Antworten. Sowohl Student*innen als auch Lehrpersonen nehmen an Fokusgruppen teil, um zu evaluieren, wie hilfreich diese Feedback Tools sind, wenn sie in medizinische Kursen integriert werden.
Methode
Wir erstellen einen Datensatz von VP Fällen, die von Medizinstudent*innen der Universität Bern genutzt werden, und decken dabei verschiedene Notfallszenarien ab. Zur Analyse der narrativen Zusammenfassungen der Student*innen wenden wir NLP Methoden an und annotieren Texte basierend auf SBAR (Situation, Background, Assessment, Recommendation). Wir beabsichtigen, Feature Extraktions und Klassifikationsmodelle zu entwerfen, zu evaluieren und die Ergebnisse zu visualisieren, um Lernende und Lehrpersonen zu unterstützen. Ein zweiter Prototyp zeigt Learning Analytics aller VP Interaktionen. Beide Tools werden in Fokusgruppen getestet, um ihre Nützlichkeit für Feedback zu beurteilen.
Geplante Translation
Die entwickelten Prototypen werden im Rahmen eines Pilotprojekts in einem regulären Blended Learning Kurs für Medizinstudent*innen an der Medizinischen Fakultät der Universität Bern implementiert und evaluiert. Bei positiver Bewertung ist beabsichtigt, beide entwickelten Prototypen als Standard in diesen Kursen zu etablieren. Wir stellen uns vor, dass Student*innen interaktives Feedback über ein Dashboard erhalten, das die Visualisierung aller Learning Analytics Daten enthält. Zudem erhalten sie eine individuelle Bewertung ihrer narrativen Zusammenfassung des jeweiligen Falls. Das ermöglicht Student*innen, bessere Einsichten in ihre Stärken und Schwächen zu gewinnen, verbessert das gesamte Lernerlebnis und die Lernrate. Lehrpersonen nutzen die Dashboard Ergebnisse, bevor sie eine synchrone Sitzung moderieren, nachdem die Student*innen die VPs bearbeitet haben. Das ermöglicht den Lehrpersonen, sowohl Einsichten darüber zu gewinnen, wie Student*innen bei den VPs performt haben, um sich in der synchronen Sitzung auf Schwächen der Student*innen zu fokussieren, als auch individuelles Feedback zugeben, indem sie besser informiert sind.
