解密 GenAI 支持临床实践中的学生询问模式：嵌入认知网络分析与顺序模式挖掘
计算机与社会
2025-12-09 v1 人工智能
摘要
药物病史采集的评估传统上依赖于人类观察，限制了可扩展性和详细绩效数据。尽管生成式人工智能（GenAI）平台实现了大量数据收集，学习分析也提供了强大的分析教育痕迹的方法，但这些方法在药学临床培训中仍 largely 未被探索。本研究通过将学习分析应用于理解学生如何在 GenAI 提供的虚拟患者支持下发展临床沟通技能——这一目标至关重要，因为学生群体具有多样性、语言背景差异以及传统培训中有限的个性化反馈机会。我们分析了来自澳大利亚和马来西亚机构的 323 名学生的交互日志，包含 50,871 条编码话语，来自 1,487 组学生-GenAI 对话。结合使用认知网络分析建模询问共现，结合顺序模式挖掘捕获时间序列，我们发现高绩效者表现出战略性地部署信息识别行为。具体而言，高绩效者将询问中心放在识别临床相关信息、整合建立信任和结构组织方面，而低绩效者则停留在常规问题-验证循环中。包括母语背景、既往药学工作经验和机构背景在内的人口因素也塑造了不同的询问模式。这些发现揭示了在 GenAI 辅助上下文中可能指示临床推理发展的询问模式，为健康职业教育评估提供了方法论见解，并为设计支持多样化学习路径的自适应 GenAI 系统提供了信息。
引用
@article{arxiv.2512.06018,
title = {Uncovering Students' Inquiry Patterns in GenAI-Supported Clinical Practice: An Integration of Epistemic Network Analysis and Sequential Pattern Mining},
author = {Jiameng Wei and Dinh Dang and Kaixun Yang and Emily Stokes and Amna Mazeh and Angelina Lim and David Wei Dai and Joel Moore and Yizhou Fan and Danijela Gasevic and Dragan Gasevic and Guanliang Chen},
journal= {arXiv preprint arXiv:2512.06018},
year = {2025}
}