Synthesising Generative Artificial Intelligence Competency Domains for Medical Education Faculty.
پخش حرفهای فارسی و انگلیسی
در حال بررسی نسخههای صوتی ذخیرهشده…
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
BACKGROUND: Artificial intelligence (AI), including generative AI (GenAI), is reshaping clinical care and medical education, requiring medical education faculty to develop new competencies. As GenAI becomes integrated into clinical and teaching workflows, faculty must guide learners in AI-enabled environments. Although existing frameworks outline AI competencies for clinicians or learners, few synthesise competencies specifically for faculty roles. This review addresses that gap by synthesising AI and GenAI competency frameworks to identify GenAI domains relevant to medical education faculty. METHODS: The authors conducted a narrative review of 24 articles published between January 2020 and February 2025 on AI and GenAI competencies for clinicians, educators and learners. Structured database searches identified articles. Existing AI competency frameworks guided comparison of faculty-relevant GenAI competencies. Through iterative synthesis, the authors identified competency domains consistently represented across frameworks and aligned with educator responsibilities. FINDINGS: Using Russell et al.'s framework as an organising anchor, six competency domains were identified: (1) Foundational AI Knowledge and Literacy; (2) Ethical, Social, and Legal Policies and Implications; (3) AI-Enhanced Clinical Interactions; (4) Practice-Based Learning, Instructional Design, and Pedagogy; (5) Evidence-Based Evaluation and Assessment; and (6) Systems-Level Workflow and Integration. Existing frameworks differed in emphasis across domains, with clinical and systems-level competencies less consistently represented. IMPLICATIONS: These domains provide a foundational structure to guide faculty development, curricular decision-making and responsible integration of GenAI into medical education. Future work should translate these domains into observable indicators and assessment strategies while examining how faculty competencies support learner development and responsible GenAI use.
نتیجه فارسی
این مرور ادبیات شش حوزه شایستگی کلیدی را برای اساتید آموزش پزشکی در استفاده از هوش مصنوعی مولد شناسایی میکند. این حوزهها شامل دانش پایه، اخلاق، تعاملات بالینی، طراحی آموزشی، ارزیابی و جریان کار سطح سیستم است. این چارچوبها میتوانند برای توسعه اساتید و ادغام مسئولانه این فناوری در آموزش پزشکی استفاده شوند.
- شش حوزه شایستگی برای اساتید شناسایی شد.
- تاکید بر دانش پایه، اخلاق و تعاملات بالینی بود.
- ارزیابی و جریان کار سطح سیستم کمتر به طور یکنواخت در چارچوبها دیده شد.
- این حوزهها میتوانند برای توسعه اساتید و تصمیمات آموزشی استفاده شوند.
ترجمه فارسی چکیده
هوش مصنوعی (AI)، از جمله هوش مصنوعی مولد (GenAI)، مراقبت بالینی و آموزش پزشکی را دوباره شکل میدهد و نیازمند توسعه شایستگیهای جدید برای اساتید آموزش پزشکی است. این مرور ادبیات، چارچوبهای شایستگی موجود را برای شناسایی حوزههای مرتبط با اساتید ترکیب میکند. با استفاده از چارچوب راسل و همکاران به عنوان نقطه اتصال، شش حوزه شایستگی شناسایی شد: دانش و سواد پایهای AI، سیاستها و پیامدهای اخلاقی، اجتماعی و حقوقی، تعاملات بالینی تقویتشده توسط AI، یادگیری مبتنی بر تمرین، طراحی آموزشی و پداگوژی، ارزیابی و سنجش مبتنی بر شواهد، و جریان کار و ادغام سطح سیستم. این حوزهها ساختار پایهای برای توسعه اساتید، تصمیمات آموزشی و ادغام مسئولانه GenAI ارائه میدهند.
روش پژوهش
مرور ادبیات داستانی از 24 مقاله بین ژانویه 2020 و فوریه 2025 انجام شد. جستجوی ساختاریافته پایگاههای داده و استفاده از چارچوبهای شایستگی موجود برای مقایسه شایستگیهای مرتبط با اساتید انجام شد.
محدودیتها
چارچوبهای موجود در تمرکزهای متفاوتی در حوزهها تفاوت داشتند و شایستگیهای بالینی و سطح سیستم کمتر به طور یکنواخت در چارچوبها دیده شدند. آینده باید نشان دهد که چگونه شایستگیهای اساتید از توسعه یادگیرندگان پشتیبانی میکند.
نمای PICO و پیامدها
- جمعیت
- اساتید آموزش پزشکی
- مداخله/مواجهه
- هوش مصنوعی مولد (GenAI)
- مقایسه
- هیچ
- حجم نمونه
- 24 مقاله
متن کامل اصلی
برای بررسی دسترسی کتابخانهای یا خرید، رکورد اصلی را باز کنید.
رفتن به منبع اصلی