PubMed چکیده/رکورد

Institutional approaches to artificial intelligence policy and guidance in health informatics and information management education: emerging trends and inconsistencies.

استودیوی صوتی مقاله

پخش حرفه‌ای فارسی و انگلیسی

در حال بررسی نسخه‌های صوتی ذخیره‌شده…

صوت تولیدشده با هوش مصنوعی است. برای کاربرد علمی یا درمانی، متن و منبع اصلی را بررسی کنید.
خواندن هوشمند فارسی و انگلیسی در حال آماده‌سازی صداهای مرورگر…
تنظیم صدای طبیعی و سرعت

صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده می‌شود معمولاً طبیعی‌ترند. انتخاب صدا به صداهای نصب‌شده در ویندوز و مرورگر شما بستگی دارد.

چکیده اصلی

OBJECTIVE: To examine the characteristics, scope, and thematic content of institutional and program-level academic artificial intelligence (AI) policies and guidance documents used by CAHIIM-accredited Health Informatics (HI) and Health Information Management (HIM) master's programs in the United States. MATERIALS AND METHODS: This convergent mixed‑methods study examined publicly available AI‑related documents (eg, student handbooks, integrity policies, program manuals) from all 48 CAHIIM‑accredited HI and HIM master's programs listed in November 2025. Forty programs (83%) had at least 1 qualifying document, 8 programs had no qualifying documents. Quantitative analyses summarized policy characteristics and examined associations with delivery modality using Fisher's exact tests. Qualitative analysis applied Latent Dirichlet Allocation topic modeling to identify recurring semantic themes across policy texts. RESULTS: Most documents provided guidance rather than formal policies; neither policy type nor audience differed by delivery mode. Content emphasized academic integrity, responsible AI use, and expectations for student conduct. References to privacy, intellectual property, and regulatory concepts were present but less common than academic integrity-related themes. Topic modeling identified 4 dominant themes: academic integrity and appropriate AI use; generative AI in teaching; AI and data‑tool use in research; and student engagement with conversational AI systems. CONCLUSION: AI guidance and policy are available across most accredited HI and HIM master's programs; however, they vary in structure and scope. The majority of documents emphasize academic integrity and responsible AI use. Future research could examine how academic program AI policies relate to distinct but related domains such as curriculum development and organizational AI governance.

نتیجه فارسی

این مطالعه بررسی‌ای از سیاست‌ها و اسناد راهنمایی هوش مصنوعی در 48 برنامه کارشناسی ارشد اطلاع‌رسانی سلامت و مدیریت اطلاعات سلامت در آمریکا انجام داد. اکثر اسناد راهنمایی بودند نه سیاست‌های رسمی. محتوای اصلی بر صداقت علمی و استفاده مسئولانه از AI تمرکز داشت. چهار تم غالب شناسایی شد: صداقت علمی، تولید AI در آموزش، AI در تحقیق و تعامل با سیستم‌های گفتگویی. ساختار و محدوده این اسناد متفاوت است.

  • اکثر اسناد راهنمایی بودند نه سیاست‌های رسمی.
  • تم‌های اصلی شامل صداقت علمی و استفاده مسئولانه از AI بود.
  • چهار تم غالب شناسایی شد: صداقت، تولید AI در آموزش، AI در تحقیق، و تعامل با گفتگوی AI.
  • محتوای اسناد با روش ارائه تفاوتی نداشت.
  • روابط با حوزه‌های دیگر مانند برنامه درسی و حاکمیت سازمانی مورد بررسی قرار نگرفت.

ترجمه فارسی چکیده

هدف: بررسی ویژگی‌ها، محدوده و محتوای موضوعی سیاست‌ها و اسناد راهنمایی سطح نهادی و برنامه‌ای مربوط به هوش مصنوعی (AI) که توسط برنامه‌های کارشناسی ارشد اطلاع‌رسانی سلامت (HI) و مدیریت اطلاعات سلامت (HIM) در ایالات متحده استفاده می‌شوند. روش‌ها: این مطالعه ترکیبی (convergent mixed-methods) اسناد عمومی مرتبط با AI (مانند دستورالعمل‌های دانشجویی، سیاست‌های صداقت، دستورالعمل‌های برنامه) را از تمام 48 برنامه کارشناسی ارشد HI و HIM دارای مجوز CAHIIM در نوامبر 2025 بررسی کرد. تحلیل کمی ویژگی‌های سیاست و بررسی روابط با روش ارائه با استفاده از آزمون‌های دقیق فیشر انجام شد. تحلیل کیفی با استفاده از مدل‌سازی موضوع LDA برای شناسایی تم‌های معنایی تکرارشونده در متن‌های سیاستی به کار گرفته شد. نتایج: اکثر اسناد راهنمایی ارائه می‌دادند نه سیاست‌های رسمی؛ هیچ تفاوتی بین نوع سیاست یا مخاطبان با روش ارائه وجود نداشت. محتوا بر صداقت علمی، استفاده مسئولانه از AI و انتظارات از رفتار دانشجویی تأکید داشت. اشاره‌هایی به حریم خصوصی، مالکیت معنوی و مفاهیم نظارتی وجود داشت اما کمتر از تم‌های مرتبط با صداقت علمی رایج بودند. مدل‌سازی موضوع 4 تم غالب را شناسایی کرد: صداقت علمی و استفاده مناسب از AI؛ تولید AI در آموزش؛ AI و استفاده از ابزارهای داده در تحقیق؛ و مشارکت دانشجویان در سیستم‌های گفتگوی AI. نتیجه‌گیری: راهنمایی و سیاست‌های AI در اکثر برنامه‌های کارشناسی ارشد دارای مجوز HI و HIM موجود است؛ با این حال، ساختار و محدوده آن‌ها متفاوت است. اکثر اسناد بر صداقت علمی و استفاده مسئولانه از AI تأکید دارند. پژوهش‌های آینده می‌توانند بررسی کنند که چگونه سیاست‌های AI برنامه‌های آموزشی با حوزه‌های مرتبط اما متمایز مانند توسعه برنامه درسی و حاکمیت سازمانی AI مرتبط هستند.

روش پژوهش

این مطالعه ترکیبی (convergent mixed-methods) اسناد عمومی مرتبط با AI را از تمام 48 برنامه کارشناسی ارشد دارای مجوز CAHIIM در نوامبر 2025 بررسی کرد. تحلیل کمی با آزمون‌های دقیق فیشر و تحلیل کیفی با مدل‌سازی موضوع LDA انجام شد.

محدودیت‌ها

محدودیت‌ها در متن گزارش نشده‌اند.

استخراج ساختاریافته از متن منبع

نمای PICO و پیامدها

جمعیت
48 برنامه کارشناسی ارشد اطلاع‌رسانی سلامت (HI) و مدیریت اطلاعات سلامت (HIM) دارای مجوز CAHIIM در ایالات متحده.
مداخله/مواجهه
سیاست‌ها و اسناد راهنمایی هوش مصنوعی (AI) در برنامه‌های آموزشی.
مقایسه
روش ارائه (delivery modality) و نوع سیاست (راهنمایی یا رسمی).
حجم نمونه
48 برنامه (40 برنامه دارای اسناد و 8 برنامه بدون اسناد).

متن کامل اصلی

متن در JumpToDate ذخیره نشده است.

برای بررسی دسترسی کتابخانه‌ای یا خرید، رکورد اصلی را باز کنید.

رفتن به منبع اصلی

کلیدواژه‌ها

accreditationartificial intelligencegraduate educationhealth informaticsinformation management
در همین زیرشاخه

مقاله‌های مرتبط

PubMed2026

Clinical effectiveness and safety of metadoxine in the management of acute alcohol intoxication: A single-center retrospective cohort study.

BACKGROUND: Acute alcohol intoxication (AAI) is a common emergency with no specific antidote. Metadoxine has shown potential but lacks sufficient real-world evidence, particularly in Chinese populations. OBJECTIVES: To evaluate the clinical efficacy and safety of metadoxine in patients with acute alcohol intoxication. METHODS: This single-center retrospective cohort study included 124 patients with AAI admitted to an emergency departme…

PubMed2026

D3MI: an efficient and powerful federated imputation method for bias reduction in the analysis of distributed incomplete data by accounting for within-site correlation and between-site heterogeneity.

BACKGROUND: Electronic health records (EHRs) collected from diverse healthcare institutions offer a rich and representative data source for clinical research. Federated learning enables analysis of these distributed data without sharing sensitive patient-level information, preserving privacy. However, missing data remain a major challenge and can introduce substantial bias if not properly addressed. Very few distributed imputation meth…

PubMed2026

Extraction of Pain Severity and Functional Interference From Clinical Narratives Using Domain-Informed Large Language Models: Protocol for a Development and Validation Study.

BACKGROUND: Chronic pain is a leading cause of disability and requires multidimensional assessment of pain intensity and functioning, yet electronic health records rarely capture these measures systematically. By contrast, surveys collecting patient-reported outcomes can assess pain over multiple dimensions but remain resource-intensive and difficult to scale for continuous population-level monitoring. OBJECTIVE: The objective of this …

PubMed2026

From data entry to digital transformation: Allied health perspectives on standardised electronic medical records data.

BACKGROUND: Electronic medical records (EMRs) currently rely on standardised data fields to support secondary data use for clinical care, performance monitoring, and system-level reporting. However, utilisation of standardised data capture and reporting within allied health remains underdeveloped in practice. Greater understanding of how allied health clinicians and managers perceive the purpose, value, and impact of standardised data …