Publicada

La formació avança de la mà de la innovació tecnològica. L’arribada de noves eines digitals s’ha convertit en un punt d’inflexió i de reflexió per a les aules, on moltes d’elles continuen recolzant-se en els mètodes més tradicionals. Davant d’aquest escenari, tant els alumnes com els mateixos docents impulsen una transformació profunda que ja comença a ser objecte d’estudi entre els investigadors de diferents parts del món. Així, una publicació a la revista BMC Medical Education incideix en el que suposen aquests nous sistemes per als estudiants de Ciències de la Salut, i en concret per als futurs metges. El seu descobriment se centra en aclarir el 'truc' per aprendre de manera més àgil amb una eina que està a l’abast de tothom.

La publicació està impulsada per investigadors de la Universitat Mèdica Segona de Shandong (Xina). Sota el títol de Reconstrucció i pràctica d’un model d’ensenyament multifactorial millorat amb IA per a proves de laboratori de virologia, els científics aborden com influeix la integració sistemàtica de la Intel·ligència Artificial en el rendiment acadèmic i pràctic dels estudiants. Per ser més concrets, se centren en el Grau en Inspecció Sanitària i Quarantena. De fet, segons expliquen al llarg de la publicació, l’objectiu és superar les limitacions dels mètodes clàssics, on l’actualització dels continguts "no ha aconseguit seguir el ritme del progrés de la indústria tecnològica".

La IA es fa lloc entre els estudiants de Medicina

Al llarg de vuit setmanes (32 hores lectives), l’equip de científics va investigar dos grups formats per 30 alumnes cadascun. Mentre que l’equip de control va rebre l’ensenyament més tradicional i convencional (és a dir, la basada en llibres de text, classes teòriques i pràctiques estàndard), el grup experimental va treballar amb un entorn digital assistit per Intel·ligència Artificial.

La clau consistia a oferir el que els investigadors anomenen com "un pla per estudiant", ajustant l’estudi abans, durant i després de cada sessió. Abans d’anar a l’aula, els alumnes feien autoavaluacions en una plataforma digital i consultaven els seus dubtes a un assistent d’IA entrenat específicament amb els continguts de l’assignatura. Si el sistema detectava errors recurrents, recomanava automàticament vídeos explicatius i materials de reforç. Alhora, segons especifica el text de BMC Medical Education, la Intel·ligència Artificial avisava el professor perquè insistís en aquell punt durant la classe presencial.

Un dels exemples que posa sobre la taula la investigació es refereix al que succeïa durant les sessions pràctiques. En aquestes, els estudiants treballaven en un laboratori virtual en 3D que simulava pas a pas una prova de detecció de Covid-19. La Intel·ligència Artificial monitoritzava els seus moviments en temps real i llançava alertes immediates si cometien errors. Un cop finalitzada la clau, el sistema generava un perfil individualitzat per a cada alumne: als qui tenien dificultats els assignava exercicis bàsics, mentre que als més avançats els proposava casos complexos de seqüenciació viral.

Els resultats obtinguts en finalitzar el mòdul van mostrar diferències notables entre ambdós grups. En l’examen teòric final, els estudiants que van utilitzar el model amb IA van assolir una nota mitjana de 89,7 punts sobre 100, davant dels 78,3 punts del grup tradicional. L’avantatge va ser especialment visible en les preguntes sobre tecnologies d’avantguarda, on el grup experimental va aconseguir un 93,3 per cent d’encerts davant del 66,7 per cent dels seus companys.

En el terreny pràctic, la millora va seguir la mateixa línia. En una prova estandarditzada de simulació virtual realitzada a la vuitena setmana, va aprovar el 96,7 per cent dels alumnes formats amb IA, davant del 73,3 per cent del grup de control. Així mateix, van obtenir qualificacions significativament superiors en operacions estandarditzades de laboratori (88,6 davant de 75,3 punts) i en el disseny de plans d’emergència sanitària (86,3 davant de 69,8 punts). A més, el 90 per cent dels estudiants del grup experimental va assolir el nivell de competència exigit en el maneig d’eines d’IA aplicades al diagnòstic, i els centres de pràctiques externs van observar que tardaven una mitjana de sis dies a adaptar-se al seu lloc de treball, tres dies menys que els alumnes formats de manera convencional.

Tanmateix, el mateix estudi matisa que aquesta tecnologia no substitueix ni l’esforç ni el professorat. D’una banda, els alumnes que van utilitzar el sistema van dedicar una mitjana de 40 minuts més al dia a l’estudi autònom fora de classe i van participar un 78,4 per cent més en les interaccions de l’aula. D’altra banda, els investigadors adverteixen que els models de llenguatge poden cometre errors o ometre detalls crítics de bioseguretat —van detectar imprecisions en el 3,4 per cent de les respostes auditades—, per la qual cosa recalquen que "la supervisió docent no és una millora opcional, sinó un requisit previ estructural per a una integració segura i eficaç de la IA en l’educació mèdica". A més, en tractar-se d’un estudi realitzat en una sola universitat amb una mostra reduïda de 60 estudiants i sense assignació aleatòria, els seus autors assenyalen que els resultats s’han d’interpretar amb cautela abans de generalitzar-los a tota l’educació mèdica.