Publikation Bühne
Zum Projekt

GenAI-Chatbots as Debriefers: Investigating the Role Conformity and Learner Interaction in Counseling Training

Publikation
Erscheinungsjahr2025
VerlagGesellschaft für Informatik e.V.
Autor:innen & Herausgeber:innenMitwirkende anzeigen
Kurzbeschreibung

Debriefing is essential for the effectiveness of simulation-based training but is generally considered resource-intensive. Generative Artificial Intelligence (GenAI)-based debriefing can be an alternative to human debriefers. However, there is no research yet whether GenAI chatbots can take up this role and how learners react to them. This paper presents a qualitative analysis of a debriefing following a counseling training conducted in Virtual Reality (VR) with the support of a GenAI chatbot. The debriefing helped students to analyze their experiences and application of consulting techniques. The analysis of the chatlogs (n = 22) are focused on the role conformity of the bot and the students’ ability to reflect their behavior within VR. The results revealed the chatbot’s strong role conformity but also its tendency for overly complimentary answers. However, this bias does not seem to influence students’ self-reflection. Instead, they maintained a self-critical attitude. Future research on AI-assisted debriefing could expand on these findings in related areas.

Auf einen Blick

Autor:innen & Herausgeber:innen

Autor:innen
Dominik Evangelou
Maria Klar
Kristian Träg
Miriam Mulders
Melina Marnitz
Lara Rahner

Das könnte Sie auch interessieren

Projekt 101238
Projekt

Querschnitt12 - Kompetenz interfakultär!

Komplementäre und Alternative Medizin (KAM) hat in unserer Gesellschaft eine weite Verbreitung. Die geringe Gesundheitskompetenz in der Bevölkerung und damit hohe Anfälligkeit breiter, auch gebildeter Teile der Bevölkerung für Alternative Medizin wird zu einem zunehmenden Problem in der Versorgung, mit dem Ärzte und andere Fachberufe immer mehr konfrontiert werden. KAM eignet sich in besonderer Weise, Studierende der Medizin mit den Aufgaben, Kenntnissen und Fähigkeiten anderer Berufsgruppen vertraut zu machen. Interdisziplinäre und multiprofessionelle Kommunikation und Diskussion sowie die Entwicklung gemeinsamer Behandlungsstrategien können hier an konkreten Krankheitsbildern gelernt werden. Studierende der Medizin, Psychologie, Pharmazie, Ernährungs- und Kommunikationswissenschaften sowie Medizinethik sollen in Fallkonferenzen in Teams Aufgabenstellungen in Form von Praxisbeispielen bearbeiten. Die konstruierten Fallbeispiele beginnen mit einem einfachen Szenario, das dann durch unterschiedliche Ergänzungen komplexer gestaltet werden kann, indem einmal die medizinische Situation ausgestaltet wird (z.B. Komplikationen oder Komorbiditäten) oder psychologische, soziale und ethische Aspekte hinzukommen. Zum Erwerb des notwendigen Wissens und der Kenntnisse und Fähigkeiten wird ein Depositorium von Wissens-Nuggets zu KAM für die verschiedenen Fächer entwickelt. Bildungstechnologien unterstützen darüber hinaus das fakultäts- und fächerübergreifende Lehr-/Lernszenario.

Projekt anzeigen
Maßnahme 100504
Maßnahme

Werkstatt Lehre – kompakt weiterbilden

Die Werkstatt Lehre ist ein kompaktes Workshop-Programm für Lehrende der Universität Bremen. Praxisnah und niedrigschwellig bietet sie Raum für hochschuldidaktische Weiterqualifizierung. Als gemeinsames Angebot verschiedener lehrunterstützender Einrichtungen und Akteur:innen der Universität Bremen bietet sie ein- bis zweimal jährlich an einem oder zwei Tagen einen entspannten Rahmen für Impulse, Inspiration und Austauschmöglichkeiten rund um das Lehren und Lernen. Angeboten werden 45-minütige Kurzworkshops und 90-minütige-Workshops, in denen aktuelle Entwicklungen, innovative Ansätze und Trends aus dem Bereich Lehren und Lernen an Hochschulen vorgestellt, diskutiert und direkt ausprobiert werden. Die Workshops können einzeln besucht werden. Zusätzlich können Impulsvorträge, Podiumsdiskussionen oder Good-Practice-Beispielen von Lehrenden Teil des Programms werden. So entsteht ein Raum, in dem Wissen geteilt, Erfahrungen gewechselt und neue Perspektiven gewonnen werden.

Maßnahme anzeigen
Publikation 100611

Explanatory machine learning for sequential human teaching

[Kurzbeschreibung folgt (Anm. StIL)]

Publikation anzeigen