Text

Problembeschreibung/Zielsetzung: Im Gesundheitswesen werden Patientensituationen für die Lehre häufig von Lehrenden entwickelt. Nicht durchgängig spiegeln diese Situationen die Komplexität und Dynamik der realen Praxissituationen wider, denen Studierende begegnen. In einzelnen Fällen zeigen sie eine repetitive Struktur, die die Vielfalt realer Praxissituationen nur eingeschränkt widerspiegelt. Dies kann dazu führen, dass Fallbeispiele wenig Variabilität aufweisen und dadurch die kognitive Aktivierung der Studierenden potenziell begrenzt wird.

Insbesondere in nicht KI-gestützten Lernumgebungen sind die Interaktionen mit virtuellen Avataren häufig regelbasiert und folgen vordefinierten Antwortmustern. Diese Standardisierung führt dazu, dass Kommunikations- und Entscheidungsverläufe für Studierende antizipierbar werden. Studierende berichten entsprechend, dass der anfängliche Neuigkeits- und Herausforderungseffekt solcher Settings mit zunehmender Nutzung abnimmt. Ziel dieser Arbeit ist es, dass Studierende eine KI-gestützte Lernumgebung entwickeln, die realitätsnähere und abwechslungsreichere Interaktionen ermöglicht und von den Studierenden als lernförderlich wahrgenommen wird.

Projektbeschreibung/Evaluationsmethoden: Im Rahmen des Projekts entwickeln Studierende ab dem 5. Semester eigene Fallbeispiele [1] und nutzen dabei KI-gestützte Avatare, deren Reaktionen sie durch gezieltes Prompting steuern können. Ziel ist es, die Lernprozesse stärker zu individualisieren, die Vielfalt und Komplexität klinischer Situationen realistischer abzubilden und die Studierenden aktiv in die Fallbearbeitung einzubeziehen. Auf diese Weise soll die Monotonie herkömmlicher, standardisierter Lernsettings reduziert und die Entwicklung differenzierten klinischen Denkens gefördert werden.

Ergebnisse: Eine Befragung der Studierenden ergab, dass der Einsatz KI-gestützter Avatare die aktive Beteiligung steigert, die Lerninhalte abwechslungsreicher gestaltet und dass die Möglichkeit, eigene Fälle zu erstellen, als motivierend erlebt wird sowie die Entwicklung des klinischen Denkens unterstützt. Zudem verringert dieses Vorgehen die Eintönigkeit traditioneller, vorstrukturierter Lernsettings.

Diskussion: Die Ergebnisse zeigen, dass KI-gestützte Avatare die Lernaktivität steigern und die Entwicklung differenzierten klinischen Denkens fördern, da die Studierenden selbst Fallbeispiele erstellen, die Avatare steuern und aktiv an der Gestaltung der Lernsettings als Co-Creators [2] beteiligt sind. Herkömmliche, stark vorstrukturierte Lernsettings wurden hingegen als eintönig und vorhersehbar wahrgenommen.

Take-Home-Messages: Durch die Rolle als Co-Creators können Studierende KI-gestützte [3] Lernsettings selbst gestalten und intensiver in den Lernprozess eingebunden werden. Jedoch ersetzen die KI unterstützen Avatare das bestehende SP-Angebot nicht, sondern ergänzen es durch zusätzliche, niederschwellige Übungsmöglichkeiten für Studierende.

References

[1] Chandrasekar H, Gesundheit N, Nevins AB, Pompei P, Bruce J, Bereknyei Merrell S. Promoting student case creation to enhance instruction of clinical reasoning skills: a pilot feasibility study. Adv Med Educ Pract. 2018;9:249-257. DOI: 10.2147/AMEP.S155481
[2] Hulls C, Smith M, Pahl L, Curry R, Gilchrist H, Li J. Reimagining resources: The power of students as partners in co-creating medical curricula. Int J Stud Partner. 2025;9(2):199-210. DOI: 10.15173/ijsap.v9i2.6021
[3] Naqvi WM, Sundus H, Mishra GV, Muthukrishnan R, Kandakurti PK. AI in Medical Education Curriculum: The Future of Healthcare Learning. Eur J Ther. 2024;30(2):e23‑e25. DOI: 10.58600/eurjther1995