26gma111 10.3205/26gma111 urn:nbn:de:0183-26gma1116 Meeting Abstract Mann Mann Lukas L

Danube Private University, Department Humanmedizin, Krems, Österreich

author Braun Braun Ralf R

Danube Private University, Studiengangleitung Bachelorstudium Humanmedizin, Department Humanmedizin, Krems, Österreich Danube Private University, Forschungsabteilung Neurodegenerative Erkrankungen, Zentrum Biosciences, Department Humanmedizin, Krems, Österreich

author Fitzek Fitzek Sebastian S

Danube Private University, Forschungsabteilung Healthcare Evaluation, Zentrum Medical Image Analysis & Artificial Intelligence (MIAAI), Department Humanmedizin, Krems, Österreich

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 111 Jahrestagung der Gesellschaft für Medizinische Ausbildung (GMA) P-01 Poster: KI-gestütztes Lehren und Lernen I Dresden 20260917 20260919 P-0111 TextHintergrund/Fragestellung: Mündliche Prüfungen stellen eine zentrale Herausforderung in der vorklinischen Ausbildung dar. Zur Vorbereitung gewinnen neben dem traditionellen Selbststudium KI-gestützte Lernsysteme und kooperative Lernformate wie Peer-Group-Learning an Bedeutung. Systematische Vergleiche dieser Ansätze im Hinblick auf objektive Prüfungsleistungen sowie lernpsychologische Parameter sind bislang jedoch limitiert. Ziel der Studie ist es, am Beispiel der Lehre im Fach Biochemie, die Effektivität eines KI-Tutors und von Peer-Group-Learning im Vergleich zum klassischen Selbststudium hinsichtlich Prüfungsleistung, wahrgenommenem Stress, Lernzufriedenheit und Motivation zu untersuchen.Methoden: Im SoSe 2026 wird eine monozentrische, randomisierte Within-Subjects-Crossover-Studie mit 120 Studierenden aus dem zweiten Fachsemester Humanmedizin durchgeführt. Alle Teilnehmenden durchlaufen drei zweiwöchige Lernzyklen mit den Bedingungen KI-Tutor, Peer-Group-Learning und Selbststudium in randomisierter Reihenfolge, getrennt durch Wash-out-Phasen zur Reduktion von Carry-over-Effekten. Nach jeder Lernphase erfolgt ein standardisiertes, verblindet abgenommenes mündliches Testat im Fach Biochemie. Primäre Endpunkte sind die Testatleistung, das Stresserleben (Perceived Stress Scale, PSS-4), die Lernzufriedenheit (Student Learning Satisfaction Scale, SLS) sowie die intrinsische Motivation (Intrinsic Motivation Inventory, IMI). Zusätzlich werden Lernzeit, subjektives Vorbereitungsgefühl und die Nutzung ergänzender Lernressourcen erfasst. Die statistische Auswertung ist mittels Repeated-Measures-ANOVA geplant; Kovariatenanalysen (ANCOVA) sollen den Einfluss von Lernzeit und Motivation berücksichtigen. Qualitative Rückmeldungen der Studierenden werden ergänzend mittels thematischer Analyse ausgewertet.Ergebnisse: Die Datenerhebung erfolgt im SoSe 2026. Zum Zeitpunkt der Tagung werden erste Ergebnisse zu Gruppenunterschieden in der Testatleistung sowie den sekundären Endpunkten (Stresserleben, Lernzufriedenheit, Motivation) vorgestellt.Diskussion: Die Studie soll evidenzbasierte Erkenntnisse zur didaktischen Wirksamkeit KI-gestützter und kooperativer Lernformate in der vorklinischen Lehre liefern. Durch das Crossover-Design können interindividuelle Unterschiede kontrolliert und die drei Lernbedingungen direkt verglichen werden. Die Ergebnisse sollen zur strukturierten Integration digitaler und sozial-interaktiver Lernmethoden in die medizinische Ausbildung beitragen.Take-Home-Messages: Die Studie vergleicht erstmals KI-Tutor, Peer-Group-Learning und Selbststudium in einem randomisierten Crossover-Design mit Bezug auf mündliche Prüfungsleistungen und lernpsychologische Outcomes in der vorklinischen medizinischen Ausbildung. Die Ergebnisse können Lehrenden eine evidenzbasierte Grundlage für den gezielten Einsatz innovativer Lernformate bieten. 0 0 0 0