26gma227 10.3205/26gma227 urn:nbn:de:0183-26gma2270 Meeting Abstract Bereuter Bereuter Jean-Paul JP

Uniklinikum Dresden, Viszeral- ,Thorax- und Gefäßchirurgie, Dresden, Deutschland

author Matthes Matthes Katja K

Uniklinikum Dresden, Medizinische Klinik I, Dresden, Deutschland

author Schatz Schatz Ulrike U

Uniklinikum Dresden, Medizinische Klinik III, Dresden, Deutschland

author Hilgers Hilgers Lars L

Uniklinikum Dresden, Else Kröner Fresenius Zentrum für Digitale Gesundheit, Dresden, Deutschland

author Weijnen-Meijer Weijnen-Meijer Marjo M

Technische Universität Dresden, Institut für Didaktik und Lehrforschung in der Medizin, Dresden, Deutschland

author Meißner Meißner Theresa Maria TM

Uniklinikum Dresden, Viszeral-, Thorax- und Gefäßchirurgie, Dresden, 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 227 Jahrestagung der Gesellschaft für Medizinische Ausbildung (GMA) SYM-14 Large Language Models in Lehr- und Prüfungsszenarien Dresden 20260917 20260919 SYM-1404 TextProblembeschreibung/Zielsetzung: Clinical Reasoning (CR) stellt eine ärztliche Kernkompetenz dar.Fallbasierte Lehrformate gelten grundsätzlich als geeignet, um klinisches Denken zu fördern. In der praktischen Umsetzung zeigen sich jedoch häufig strukturelle, budgetäre, personelle und curriculare Limitationen Tutor-basierter Lehrveranstaltungen.Große Sprachmodelle (Large Language Models, LLMs) eröffnen neue Möglichkeiten zur individuellen Unterstützung fallbasierten Lernens. Aufgrund ihrer Fähigkeit dialogisch zu interagieren können Sie die Rolle eines CR-Tutors übernehmen ohne zusätzliche personelle Ressourcen zu beanspruchen. Gleichzeitig ist bislang unklar, ob LLM-gestützte Lehrinterventionen zu messbaren Verbesserungen des CR führen.Projektbeschreibung/Evaluationsmethoden: Das CLARA-Projekt untersucht den Einfluss des Einsatzes eines LLM-gestützten virtuellen Tutors auf den Erwerb von CR- Kompetenzen Humanmedizin-Studierender. In einer explorativen Interventionsstudie werden Key Feature Questions (KFQ) eingesetzt, um Unterschiede zwischen der Lernunterstützung durch einen realen Tutor und einem LLM-Tutor auf Item-Ebene zu erfassen. Zusätzlich werden an einer Untergruppe der Studienpopulation innovative psychobiologische Messungen durchgeführt um das Stresserleben der Studierenden während der Interaktion mit dem LLM zu explorieren.Ergebnisse: Ziel der Studie ist es, erste empirische Hinweise darauf zu liefern, ob LLM-gestützte Ansätze zur strukturierten Förderung von Clinical Reasoning beitragen können und wie Studierende psychobiologisch auf deren Einsatz reagieren.Da die Studie zwischen April und Juli 2026 durchgeführt wird, werden die Ergebnisse zum Kongress vorliegen.Diskussion: Studierende, die von einer gezielten 1:1-Betreuung mit individuellem Feedback profitierten, verbessern ihre Lernergebnisse um zwei Standardabweichungen . Da eine durchgehende Einzelbetreuung im Medizinstudium nicht realisierbar ist, könnten LLMs einen Schlüssel zur Lösung dieses Problems darstellen.VanLehn widerlegte die Annahme, dass Lernergebnisse durch die Intervention menschlicher Tutor*innen verbessert würden, und stellte deren vermeintliche Überlegenheit gegenüber intelligenten Tutorensystemen infrage . Die Metaanalyse von Kulik und Fletcher bestätigte diese Ergebnisse .Außerhalb der medizinischen Ausbildung wurde bereits belegt, dass dieses Konzept des verbesserten Lernens durch persönliche Tutor*innen auch auf LLMs übertragbar ist , .Take-Home-Messages: LLMs bieten die Möglichkeit, den Erwerb von Clinical Reasoning Kompetenzen Humanmedizin-Studierender individuell angepasst zu unterstützen.Der Einsatz von LLMs beeinflusst sowohl die subjektiv wahrgenommene Aktivierung beim Lernen, als auch das Selbstwirksamkeitserleben.Die Ergebnisse des Projektes zeigen auf wie LLMs zur Ergänzung von Lehrangeboten zu Clinical Reasoning genutzt werden können. Bloom BS The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring 1984 Educ Res 4-16 Bloom BS. The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring. Educ Res. 1984;13(6):4-16. DOI: 10.3102/0013189X013006004 https://doi.org/10.3102/0013189X013006004 VanLehn K The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems 2011 Educ Psychol 197-221 VanLehn K. The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems. Educ Psychol. 2011;46(4):197-221. DOI: 10.1080/00461520.2011.611369 https://doi.org/10.1080/00461520.2011.611369 Kulik JA Fletcher JD Effectiveness of Intelligent Tutoring Systems: A Meta-Analytic Review 2016 Rev Educ Res 42-78 Kulik JA, Fletcher JD. Effectiveness of Intelligent Tutoring Systems: A Meta-Analytic Review. Rev Educ Res. 2016;86(1):42-78. DOI: 10.3102/0034654315581420 https://doi.org/10.3102/0034654315581420 Lehmann M Cornelius PB Sting FJ AI meets the classroom: When does ChatGPT harm learning 2024 arXiv preprint arXiv 2409 Lehmann M, Cornelius PB, Sting FJ. AI meets the classroom: When does ChatGPT harm learning. arXiv preprint arXiv .2024:2409.09047. DOI: 10.2139/ssrn.4941259 https://doi.org/10.2139/ssrn.4941259 Yan L Martinez-Maldonado R Jin Y Echeverria V Milesi M Fan J Zhao L Alfredo R Li X Dragan Gaševi? D The effects of generative AI agents and scaffolding on enhancing students' comprehension of visual learning analytics 2025 Comput Educ 105322 Yan L, Martinez-Maldonado R, Jin Y, Echeverria V, Milesi M, Fan J, Zhao L, Alfredo R, Li X, Dragan Gaševi? D. The effects of generative AI agents and scaffolding on enhancing students' comprehension of visual learning analytics. Comput Educ. 2025;234:105322. DOI: 10.1016/j.compedu.2025.105322 https://doi.org/10.1016/j.compedu.2025.105322 0 0 0 0