LLM-тьюторинг в медицинском образовании: баланс между цифровой поддержкой и клиническим мышлением

Автор(ы): Потапов М. П., Смирнова А. В., Аккуратов Е. Г., Швецова С. В., Костров С. А., Габидуллина Л. Ф.

Город: Ярославль

Учреждение: Ярославский государственный медицинский университет

Актуальность

В эпоху экспоненциального роста медицинской информации и цифровой трансформации здравоохранения большие языковые модели (LLM) трансформируются из простых поисковых инструментов в полноценных цифровых тьюторов, способных персонализировать образовательный процесс и обеспечивать непрерывную поддержку обучающихся. Парадоксальным образом именно несовершенство современных LLM, генерирующих ошибки и "галлюцинации", создает уникальную образовательную возможность для развития критического мышления будущих врачей. В симуляционном обучении LLM могут выступать не только генераторами клинических сценариев, но и провокаторами когнитивных конфликтов, заставляющих студентов верифицировать информацию и аргументировать клинические решения. Однако отсутствие методологии интеграции LLM-тьюторинга создает риски формирования зависимости от ИИ и утраты фундаментальных клинических навыков.

Цель

Оценить текущие практики использования LLM как цифровых тьюторов студентами и преподавателями медицинского вуза, выявить факторы, определяющие эффективность LLM-тьюторинга в медицинском образовании.

Материалы и методы

Исследование проведено в Ярославском государственном медицинском университете в мае 2025 года с участием 3838 респондентов: студенты 1-6 курсов (n=2868, охват 83%), иностранные студенты (n=333, охват 76%), ординаторы (n=280, охват 58%), преподаватели (n=357, охват 78%). Использован опросник из 46 вопросов, структурированный в 6 блоков, охватывающих понимание основ ИИ, частоту и характер использования, психологическое восприятие технологий.
В рамках Центра цифровых компетенций и Лаборатории цифрового педагогического дизайна внедрены программы подготовки преподавателей университета с индивидуальным обучением в малых группах по 6-7 человек трудоемкостью 36 и 72 часа.

Результаты

Анализ показал, что активными пользователями LLM являются 46,7% студентов, 29,3% преподавателей и 61,9% иностранных студентов. Наиболее используемыми инструментами стали ChatGPT (78,5% респондентов знакомы с ним, 29,8% считают полезным) и YandexGPT/GigaChat (77,0% знакомы, 33,8% считают полезным). Критически важным результатом является то, что 75,9% студентов сталкивались с некорректными ответами LLM, что способствует развитию критического мышления. При этом 92,2% проверяют полученную от ИИ информацию: 36,7% делают это всегда, 55,5% — иногда. В иерархии источников информации LLM занимают третье место со средним баллом 2,23, уступая учебникам (3,55) и лекциям преподавателей (3,33), но опережая учебные чаты и общение с сокурсниками.
Влияние на мотивацию оказалось неоднозначным: у 17,7% студентов повысилось желание учиться, у 79,0% осталось без изменений, у 3,3% снизилось. При этом 74,3% респондентов считают, что исчезновение доступа к LLM не повлияло бы критически на их учебную эффективность. Факторный анализ выявил ядро успешного LLM-тьюторинга: комфорт взаимодействия с ИИ (структурный вес 6,09), частота обращений за помощью (6,40) и интеграция в повседневную учебную рутину (5,50). При этом 74,3% студентов демонстрируют здоровую независимость от цифровых тьюторов, утверждая, что их исчезновение не окажет критического влияния на учебную эффективность. Преподаватели используют LLM-тьюторинг реже (29,3%), но более осознанно, фокусируясь на методической поддержке и генерации образовательного контента.

Обсуждение

Исследование раскрывает двойственную природу LLM как цифровых тьюторов в медицинском образовании. С одной стороны, они обеспечивают беспрецедентную доступность персонализированной образовательной поддержки, генерируя неограниченное количество клинических сценариев и адаптируя сложность материала под индивидуальный уровень студента. С другой стороны, именно несовершенство современных LLM создает уникальную педагогическую ценность: столкновение с ошибками ИИ-тьютора заставляет студентов развивать навыки критической оценки информации, что является фундаментальной компетенцией в эпоху информационного изобилия. Выявленный феномен "продуктивного недоверия" — когда студенты одновременно активно используют LLM-тьюторов и систематически верифицируют их рекомендации — представляет собой оптимальную модель взаимодействия с ИИ в образовании. Преподаватели в открытых комментариях формулируют это как "ИИ — помощник, но не врач", подчеркивая необходимость сохранения человеческой экспертизы при использовании цифровых тьюторов. Риски чрезмерной зависимости от LLM-тьюторинга включают потенциальную деградацию клинического мышления, снижение мотивации к глубокому изучению материала и формирование иллюзии компетентности при поверхностном понимании. Однако эти риски минимизируются при правильной интеграции LLM в образовательный процесс.

Выводы

LLM становятся значимыми цифровыми тьюторами в медицинском образовании, при этом их педагогическая ценность заключается в стимулировании критического мышления через необходимость верификации контента. Факт, что 75,9% студентов хотя бы раз сталкивались с некорректными ответами ИИ, привел к формированию культуры проверки: 92,2% респондентов верифицируют информацию от LLM. Необходима разработка стандартов применения цифровых тьюторов в медицинском образовании с фокусом на формирование "ИИ-грамотности" как базовой компетенции современного врача.

Тема: Организация здравоохранения
Виктория Назарова

Ваш комментарий будет первым!

Войти или зарегистрироваться, чтобы оставить комментарий.

Вернуться

Еще тезисы к этой конференции:

Новости РОСОМЕД: