¹Uniklinikum Erlangen, Allgemeinmedizinisches Institut, Erlangen, Deutschland
²Uniklinikum Erlangen, Hautklinik, Erlangen, Deutschland

Text

Fragestellung/Zielsetzung: 2023 rief die Bundesvertretung Medizinstudierender Deutschlands (bvmd) dazu auf, lokal an den Lehrstühlen bezahlte Stellen zu etablieren, um elektronische Lernkartensätze (sog. Decks) für die Open-Source-Software Anki zu erstellen.

Methoden: Wir folgten einer studentischen Initiativbewerbung, um entsprechende digitale Lernmaterialien für die lokale Vorlesung Allgemeinmedizin (1. klinisches Semester, Regelstudiengang) zu erstellen. Nach fachlichen und formativen Korrekturen konnte das Deck im Folgesemester (WiSe 2024/25) den Studierenden erstmalig zur Verfügung gestellt werden.

Der Erstellungsprozess der ca. 450 Lernkarten wie auch das Nutzungsverhalten und die Einstellung der ca. 180 Studierenden wurden wissenschaftlich begleitet bzw. evaluiert.

Ergebnisse: Bereits am Ende des vorklinischen Studienabschnitts hatten über 80% der Studierenden Anki benutzt, was etwa der Verbreitung in den USA entspricht [1], [2]. Weit überwiegend stimmten sie zu, Bedarf an Anki-Karten für die Vorlesung Allgemeinmedizin zu haben. Die Studierenden hegen sehr hohe Erwartungen an vom Lehrstuhl publizierte Lernkarten, auch was eine hohe erreichbare Lernergebnis-Komplexitätsstufe betrifft. Die erstellten Lernkarten wurden von 82% der Studierenden genutzt (bis ca. 5000 Wiederholungen).

Ein wesentlicher Nutzen des Erstellungsprozesses für die Lehrenden war das Aufzeigen von Stellen des Constructive Mis-Alignment für die Lehrveranstaltung (LV).

Diskussion: Anki-Lernkarten sind für viele Studierende integraler Bestandteil des Lernens. Wir als Lehrende sollten sie unterstützen. Der Prozess kann ebenso für uns gewinnbringend sein. Auch andere Lehrstühle können für eigene Anki-Lernkartenerstellungen von den Erfahrungen dieses Projekts profitieren.

Das eigenständige Erstellen der Karten durch Studierenden mag zusätzliche Lerneffekte hervorrufen. Die individuelle Erstellung ist aber fehleranfällig und technisch bedingt zeitintensiv. Eine zentrale Anfertigung durch den Lehrstuhl reduziert den Extrinsic Load für die Studierenden und sichert die inhaltliche Qualität. Ob diese Effekte den Wegfall des zusätzlichen Lerneffekts aufwiegen, bleibt offen.

Eine Korrelation der Lernkartenwiederholungen wie sie gering, jedoch signifikant positiv für das amerikanische Staatsexamen USMLE Step 1 nachgewiesen wurde [3], soll für die Klausur Allgemeinmedizin noch beforscht werden.

Literatur

[1] Harris DM, Chiang M. An Analysis of Anki Usage and Strategy of First-Year Medical Students in a Structure and Function Course. Cureus. 2022;14(3):e23530. DOI: 10.7759/cureus.23530
[2] Ganjavi C, Eppler M, O’Brien D, Ramacciotti LS, Ghauri MS, Anderson I, Choi J, Dwyer D, Stephens C, Shi V, Ebert M, Derby M, Yazdi B, Cacciamani GE. ChatGPT and large language models (LLMs) awareness and use. A prospective cross-sectional survey of U.S. medical students. PLOS Digit Health. 2024;3(9):e0000596.
[3] Deng F, Gluckstein JA, Larsen DP. Student-directed retrieval practice is a predictor of medical licensing examination performance. Perspect Med Educ. 2015;4(6):308-313. DOI: 10.1007/s40037-015-0220-x