26gma005 10.3205/26gma005 urn:nbn:de:0183-26gma0052 Meeting Abstract Bittner Bittner Anja A

Universität Bielefeld, Medizinische Fakultät OWL, Referat Studium und Lehre, Bielefeld, Deutschland

author Bittner Bittner Johannes J

Universität Bielefeld, Medizinische Fakultät OWL, Referat Studium und Lehre, Bielefeld, Deutschland

author Malchus Malchus Karoline K

Universität Bielefeld, Medizinische Fakultät OWL, Referat Studium und Lehre, Bielefeld, Deutschland

author German Medical Science GMS Publishing House

Düsseldorf

610 20260904 germ This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). M0655 005 Jahrestagung der Gesellschaft für Medizinische Ausbildung (GMA) V-01 KI – Generative KI & Adaptives Lernen Dresden 20260917 20260919 V-0105 TextHintergrund/Fragestellung: Large Language Models (LLM) ermöglichen die breite Implementierung KI-basierter virtueller Gesprächssimulationen in die med. Ausbildung. Zentrale Potenziale liegen im adaptiven Lernen durch Wiederholbarkeit und individuelles Feedback. Ziel war es zu untersuchen, ob Leistungszufriedenheit im Training und KI-Feedback die Trainingshäufigkeit im virtuellen Setting beeinflussen und welche Aspekte des adaptiven Lernens dabei als lernerfolgsrelevant bewertet werden.Methoden: Studierende des 1. Fachsemesters im Modellstudiengang Medizin der Uni Bielefeld erhielten im WiSe 2025/26 fakultativ und pseudonymisiert Zugang zu zwei LLM-basierten Trainingsszenarien auf der Lernplattform VirtualSP . Jedes Training umfasste ein Gespräch mit einer virtuellen Simulationsperson (vSP) sowie ein KI-Feedback auf Basis des MAAS D 2.0 (qualitativ sowie quantitativ mit 0-100% der Punkte). Die Trainingsanzahl war innerhalb eines 2-wöchigen Zeitraums unbegrenzt. Nach jedem Training wurde die Zufriedenheit mit der eigenen Gesprächsleistung erhoben (6-stufige Likert-Skala).Die Zeit bis zur Trainingswiederaufnahme wurde szenariogetrennt mit einem Cox-Proportional-Hazards-Modell (recurrent-event Gap-Time) untersucht. Modelliert wurden Leistungszufriedenheit (Hazard ratio (HR) pro +1 Punkt) und KI-Bewertung (HR pro +10 Punkte); Unsicherheiten wurden mittels Cluster-Bootstrap geschätzt. Ergänzend erfolgte eine prä-post-Onlinebefragung zu Kompetenzselbsteinschätzung und Merkmalen adaptiven Lernens (5-stufige Likert-Skala).Ergebnisse: Am Training in VirtualSP nahmen N=85 Studierende teil und absolvierten insgesamt 811 Trainings (M=7,7; SD=6; Median=6). Eine höhere Leistungszufriedenheit war mit geringerer Wahrscheinlichkeit eines erneuten Trainings assoziiert (Szenario 1: HR=0,89 pro +1 Punkt, p=0,037; Szenario 2: HR=0,81 pro +1 Punkt, p=0,005). Auch eine höhere KI-Bewertung war mit geringerer Wahrscheinlichkeit der Trainingswiederaufnahme verbunden (Szenario 1: HR=0,85 pro +10 Punkte, p=0,002; Szenario 2: HR=0,84 pro +10 Punkte, p=0,002). In der begleitenden Evaluation (n=23) zeigte sich kein signifikanter Zusammenhang zwischen initialer Kompetenzselbsteinschätzung und Trainingshäufigkeit. Als besonders lernerfolgsrelevant wurden zeitliche Unabhängigkeit (91,3%; M=4,7), Wiederholbarkeit (91,3%; M=4,6), Anonymität (82,6%; M=4,4), individuelles Training (78,3%; M=4,3) und Feedback (78,3%; M=4,13) bewertet.Diskussion: Leistungszufriedenheit und KI-Feedback stehen im Zusammenhang mit der Trainingswiederholung in der virtuellen Simulation und können selbstregulierten Lernen unterstützen. Zentrale Merkmale adaptiven Lernens werden von Studierenden als lernförderlich wahrgenommen.Take-Home-Messages: LLM-basierte Simulationen ermöglichen über Feedback adaptives, selbstreguliertes Training.Flexibilität, Wiederholbarkeit, Anonymität und Feedback werden als zentral für den Lernerfolg wahrgenommen. Kelly S Smyth E Murphy P Pawlikowska T A scoping review: virtual patients for communication skills in medical undergraduates 2022 BMC Med Educ 429 Kelly S, Smyth E, Murphy P, Pawlikowska T. A scoping review: virtual patients for communication skills in medical undergraduates. BMC Med Educ. 2022;22(1):429. DOI: 10.1186/s12909-022-03474-9 http://dx.doi.org/10.1186/s12909-022-03474-9 Universität Bielefeld 2025 VirtualSP - Kommunikationstrainings mit virtuellen Simulationspersonen Universität Bielefeld. VirtualSP - Kommunikationstrainings mit virtuellen Simulationspersonen. Bielefeld: Universität Bielefeld; 2025. Zugänglich unter/available from: https://bielefeld.virtualsp.de/ https://bielefeld.virtualsp.de/ Stamer T Flägel K Steinhäuser J 2022 MAAS-D 2.0 Handbuch: Leitfaden zur Bewertung von ärztlichen Kommunikations- und klinischen Fertigkeiten. Deutsche Übersetzung Stamer T, Flägel K, Steinhäuser J. MAAS-D 2.0 Handbuch: Leitfaden zur Bewertung von ärztlichen Kommunikations- und klinischen Fertigkeiten. Deutsche Übersetzung. Lübeck: Universität zu Lübeck; 2022. Zugänglich unter/available from: https://www.uksh.de/uksh_media/Dateien_Kliniken_Institute/L%C3%BCbeck+Campuszentrum/Allgemeinmedizin_HL/Dokumente/MAAS+2_0+_+Handbuch-p-634876.pdf%20 https://www.uksh.de/uksh_media/Dateien_Kliniken_Institute/L%C3%BCbeck+Campuszentrum/Allgemeinmedizin_HL/Dokumente/MAAS+2_0+_+Handbuch-p-634876.pdf%20 0 0 0 0