
Kommunikationtraining per Medizin-ChatboT
An vielen medizinischen Fakultäten werden Unterrichtseinheiten zum Erwerb von Kommunikationskompetenz angeboten. Die anschließenden praktischen Prüfungen fallen in der Regel gut aus, was jedoch daran liegt, dass hier mit Hilfe allgemein bekannter Checklisten einzelne Teilaspekte der Kommunikation bewertet werden, so dass es auch ohne tatsächliche Kompetenz möglich ist, die Prüfung zu bestehen. Folglich findet das tatsächliche Training dann erst im realen Patientenkontakt statt, was für beide Seiten belastend sein kann. Da im Studium nicht ausreichend Gelegenheiten für ein individuelles Kommunikationstraining gegeben sind, soll in diesem Projekt eine Alternative geschaffen werden. Mit Hilfe eines spezifisch für die medizinische Nomenklatur trainierten Large Language Models und angeschlossener Audio-Schnittstelle üben Studierende der Medizin die allgemeine und fachspezifische Anamnese ein. Die Gespräche werden aufgezeichnet und danach bewertet, ob vorab definierte Inhalte und Fragetechniken darin abgebildet wurden. Auf dieser Grundlage wird ein automatisiertes Feedback erstellt, das die Studierenden bei ihrem weiteren Lernprozess unterstützen soll. Bei der Programmierung werden Studierende mit Informatik-Kenntnissen eingebunden. Die Wirksamkeitsprüfung erfolgt über das Instrument des CSA Gain und einen Vergleich der praktischen Prüfungsergebnisse aus der Zeit vor Verfügbarkeit des Chatbots mit der Zeit nach Einführung der Innovation.
Auf einen Blick
Kontakt
Das könnte Sie auch interessieren

METALADIN
Konzeptuelle Modellierung ist ein wichtiger Bestandteil aller MINT-Curricula. Der Erwerb von Modellierungsfähigkeiten erfordert personalisiertes und iteratives Üben. Aktuell ist es an der FernUniversität (FEU) nicht möglich, jedem Studierenden personalisierte, iterative Übungsmöglichkeiten orts- und zeitunabhängig anzubieten, da das Erstellen solcher Assessments aus Ressourcengründen manuell nicht realisierbar ist. Zur automatischen Erzeugung personalisierter Übungen zur konzeptuellen Modellierung nutzt METALADIN ALADIN (Generator für Aufgaben und Lösungshilfen aus der Informatik und angrenzenden Disziplinen), und erweitert diesen um KI und Metamodelle. Dazu wird eine Lehrveranstaltung in Microlearning-Einheiten (MLE) strukturiert, die jeweils Wissensvermittlung und Assessments (Kompetenzerwerb und Kompetenzprüfung) umfassen. Assessments werden passend zu Kompetenz und beruflichem Hintergrund des Lerners generiert und basierend auf der Kompetenzmessung Empfehlungen gegeben. An der FEU wird die Moodle-Erweiterung Adaptive Personalized Learning Environment (APLE) zur Darbietung von MLE mit nicht personalisierten, vorgegebenen Übungen eingesetzt. METALADIN integriert ALADIN mittels LTI in APLE. Mithilfe der Adaptionsregeln in APLE sollen zu Kompetenz und beruflichem Hintergrund passende Aufgaben vorgeschlagen werden.Dies ermöglicht wiederholtes Üben mit personalisierter Progression des Schwierigkeitsgrads und Passung zum beruflichen Hintergrund, was den Lernerfolg fördert.
Projekt anzeigen
Sensorikdemonstrator
Für die Vorlesung Sensorische Ausstattung (VL-Reihe Baumaschinentechnik an der Technischen Universität Dresden) wurde ein tragbarer Sensorikdemonstrator entwickelt, welcher die theoretischen Inhalte zu Umgebungsüberwachung bei mobilen Arbeitsmaschinen greifbar macht. Dieser Koffer zeigt verschiedene Messsysteme (Radar, Ultraschall, Kamera, Lidar) in einem portablen Gehäuse. Die Signale werden visualisiert und daran die Charakteristika der Technologien (welche aus den theoretischen Wirkprinzipien folgen) erarbeitet und die Anwendungsgebiete abgeleitet.
Maßnahme anzeigen
Open Music Academy
Lemma ›Open Music Academy‹, in: Wikipedia – Die freie Enzyklopädie, https://de.wikipedia.org/w/index.php?title=Open_Music_Academy
Publikation anzeigen