26gma242 10.3205/26gma242 urn:nbn:de:0183-26gma2420 Meeting Abstract Gartmeier Gartmeier Martin M

TUM Klinikum rechts der Isar, TUM Medical Education Center, München, Deutschland

author Schindler Schindler Ann-Kathrin AK

Universität Augsburg, Medizinische Fakultät, Lehrstuhl für Medizindidaktik und Ausbildungsforschung, DEMEDA, Augsburg, 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 242 Jahrestagung der Gesellschaft für Medizinische Ausbildung (GMA) SYM-214 Personalisierung, künstliche Intelligenz und ärztlicher Blick: Einblicke in die Entwicklung innovativer digitaler Lernumgebungen für die medizinische Ausbildung Dresden 20260917 20260919 SYM-21401 TextHintergrund/Thema: Digitale Lernumgebungen sind mittlerweile fester Bestandteil der medizinischen Ausbildung. Sie unterstützen die Vorbereitung, Vertiefung und Nachbereitung klinischer Inhalte sowie das Training ärztlicher Kompetenzen. Zentrale Eigenschaften solcher Umgebungen sind Interaktivität, Multimedialität und flexible Nutzung. Das Symposium stellt drei innovative Ansätze vor, die Video-, KI- und Eye-Tracking-Technologien nutzen, um Lernprozesse in authentischen klinischen Szenarien zu fördern. Dabei wird untersucht, wie Videos, Eye-Movement-Modeling-Examples (EMME) und KI-basierte adaptive Unterstützung zur Entwicklung diagnostischer, kommunikativer und wahrnehmungsbezogener Kompetenzen beitragen können.Diskussionsthemen/-fragen: Beitrag 1 präsentiert eine KI-gestützte Lernumgebung zur adaptiven Fallbearbeitung in der Visite, die diagnostische Entscheidungsfindung durch personalisierte Hinweise unterstützt.Beitrag 2 zeigt eine digitale Lernumgebung zur Visitenkommunikation, in der Medizinstudierende auf Basis von EMME-Videos Blickmuster und kommunikative Verhaltensweisen analysieren und KI-basiertes Feedback erhalten.Beitrag 3 stellt Video-Thin-Slices vor, in denen Studierende professionelle Wahrnehmung im Patientenzimmer trainieren und verschiedene Unterstützungsformate erproben.Beitrag 4 diskutiert übergreifende didaktische Prinzipien der drei Projekte: Wie lässt sich adaptive Unterstützung lernwirksam integrieren? Welche Rolle spielen visuelle Verhaltensweisen? Wie kann die authentische Komplexität klinischer Umgebungen digital sinnvoll abgebildet werden? Zudem werden Fragen zu Curriculumsentwicklung, Skalierbarkeit, Validität und Transfer in reale klinische Situationen adressiert.Take-Home-Messages: Digitale Lernumgebungen bieten großes Potenzial, ärztliche Kompetenzen durch personalisierte, adaptive und multimediale Ansätze gezielt zu fördern.KI‑basierte Unterstützung sowie Eye-Tracking-gestützte EMME eröffnen neue Möglichkeiten für individuelle Rückmeldung und für die Sichtbarmachung professioneller kognitiver und visueller Prozesse.Die Verbindung von authentischen klinischen Szenarien, adaptiven Lernpfaden und videobasierten Lernmaterialien kann Lernwirksamkeit und Kompetenzentwicklung nachhaltig stärken.Für die Ausbildungsforschung ergeben sich zentrale Fragen zur Integration solcher Systeme in Curricula, zu ihrer Validität und zu ihrer Übertragbarkeit in reale klinische Handlungskontexte. Stark KS Wekerle C Bischoff A Schweiger M Peuschel K Proske K Schindler AK A heuristic framework for video-based teaching and learning scenarios in higher education 2025 J Res Technol Educ 405‑416 Stark KS, Wekerle C, Bischoff A, Schweiger M, Peuschel K, Proske K, Schindler AK. A heuristic framework for video-based teaching and learning scenarios in higher education. J Res Technol Educ. 2025;57(2):405‑416. DOI: 10.1080/15391523.2023.2242980 https://doi.org/10.1080/15391523.2023.2242980 Xie H Zhao T Deng S Peng J Wang F Zhou Z Using eye movement modelling examples to guide visual attention and foster cognitive performance: a meta‑analysis 2021 J Comput Assist Learn 1194‑1206 Xie H, Zhao T, Deng S, Peng J, Wang F, Zhou Z. Using eye movement modelling examples to guide visual attention and foster cognitive performance: a meta‑analysis. J Comput Assist Learn. 2021;37(4):1194‑1206. DOI: 10.1111/jcal.12568 https://doi.org/10.1111/jcal.12568 Kasneci E Seßler K Küchemann S Bannert M Dementieva D Fischer F Gasser U Groh G Günnermann S Hüllermeier E Krusche S Ktyniok G Michaeli T Nerdel C Pfeffer J Poquet O Sailer M Schmidt A Seidel T Stadler M Weller J Kuhn J Kasneci G ChatGPT for good? On opportunities and challenges of large language models for education 2023 Learn Individ Differ 102274 Kasneci E, Seßler K, Küchemann S, Bannert M, Dementieva D, Fischer F, Gasser U, Groh G, Günnermann S, Hüllermeier E, Krusche S, Ktyniok G, Michaeli T, Nerdel C, Pfeffer J, Poquet O, Sailer M, Schmidt A, Seidel T, Stadler M, Weller J, Kuhn J, Kasneci G. ChatGPT for good? On opportunities and challenges of large language models for education. Learn Individ Differ. 2023;103:102274. DOI: 10.1016/j.lindif.2023.102274 https://doi.org/10.1016/j.lindif.2023.102274 0 0 0 0