論文の概要: Uncovering Students' Inquiry Patterns in GenAI-Supported Clinical Practice: An Integration of Epistemic Network Analysis and Sequential Pattern Mining

• arxiv url: http://arxiv.org/abs/2512.06018v1
• Date: Thu, 04 Dec 2025 02:08:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.152144
• Title: Uncovering Students' Inquiry Patterns in GenAI-Supported Clinical Practice: An Integration of Epistemic Network Analysis and Sequential Pattern Mining
• Title（参考訳）: GenAIによる臨床実習における学生の探究パターンの解明 : 疫学ネットワーク分析とシークエンシャルパターンマイニングの統合
• Authors: Jiameng Wei, Dinh Dang, Kaixun Yang, Emily Stokes, Amna Mazeh, Angelina Lim, David Wei Dai, Joel Moore, Yizhou Fan, Danijela Gasevic, Dragan Gasevic, Guanliang Chen,
• Abstract要約: 本研究は,GenAIを用いた仮想患者に対する臨床コミュニケーション能力の発達過程を学習分析に応用した。 オーストラリアとマレーシアの323人の学生の対話ログを分析し,1,487人の学生-GenAI対話から50,871人の音声を符号化した。 ハイパフォーマーは、臨床関連情報の認識、ラプポート構築と構造組織の統合、低パフォーマーは定期的な質問検証ループに留まった。
• 参考スコア（独自算出の注目度）: 9.4751316250728
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Assessment of medication history-taking has traditionally relied on human observation, limiting scalability and detailed performance data. While Generative AI (GenAI) platforms enable extensive data collection and learning analytics provide powerful methods for analyzing educational traces, these approaches remain largely underexplored in pharmacy clinical training. This study addresses this gap by applying learning analytics to understand how students develop clinical communication competencies with GenAI-powered virtual patients -- a crucial endeavor given the diversity of student cohorts, varying language backgrounds, and the limited opportunities for individualized feedback in traditional training settings. We analyzed 323 students' interaction logs across Australian and Malaysian institutions, comprising 50,871 coded utterances from 1,487 student-GenAI dialogues. Combining Epistemic Network Analysis to model inquiry co-occurrences with Sequential Pattern Mining to capture temporal sequences, we found that high performers demonstrated strategic deployment of information recognition behaviors. Specifically, high performers centered inquiry on recognizing clinically relevant information, integrating rapport-building and structural organization, while low performers remained in routine question-verification loops. Demographic factors including first-language background, prior pharmacy work experience, and institutional context, also shaped distinct inquiry patterns. These findings reveal inquiry patterns that may indicate clinical reasoning development in GenAI-assisted contexts, providing methodological insights for health professions education assessment and informing adaptive GenAI system design that supports diverse learning pathways.
• Abstract（参考訳）: 医薬の歴史評価は、伝統的に人間の観察に頼り、スケーラビリティと詳細なパフォーマンスデータを制限してきた。 Generative AI(GenAI)プラットフォームは、広範囲なデータ収集と学習分析を可能にし、教育的トレースを分析するための強力な方法を提供するが、これらのアプローチは、主に薬局臨床訓練において過小評価されている。 本研究は、学習分析を適用して、学生がGenAIを利用する仮想患者との臨床コミュニケーション能力をどのように発達させるかを理解することで、このギャップを解消する。 オーストラリアとマレーシアの323人の学生の対話ログを分析し,1,487人の学生-GenAI対話から50,871人の音声を符号化した。 エピステミック・ネットワーク分析とシークエンシャル・パターン・マイニングの併用による時間的シーケンスの抽出により,ハイパフォーマーが情報認識行動の戦略的展開を示した。 特に,ハイパフォーマーは,臨床関連情報の認識,ラプポート構築と構造組織の統合,低パフォーマーは定期的な質問検証ループに留まった。 ファーストランゲージの背景、先行薬局での勤務経験、制度的な文脈を含むデモグラフィック要素も、異なる調査パターンを形成した。 これらの結果から,GenAI支援コンテキストにおける臨床推論の発達,医療従事者教育評価の方法論的洞察,多様な学習経路をサポートする適応型GenAIシステム設計の実践などを示す調査パターンが示唆された。

関連論文リスト

• Integrating Genomics into Multimodal EHR Foundation Models [56.31910745104141]
  本稿では,ポリジェニックリスクスコア(PRS)を基本データモダリティとして統合した,革新的なEHR基盤モデルを提案する。 このフレームワークは、臨床データと遺伝子前置詞の複雑な関係を学習することを目的としている。 このアプローチは、病気の予測、積極的な健康管理、リスク階層化、パーソナライズされた治療戦略に対する新たな洞察を解放するために重要である。
  論文  参考訳（メタデータ） (2025-10-24T15:56:40Z)
• Medical Reasoning in the Era of LLMs: A Systematic Review of Enhancement Techniques and Applications [59.721265428780946]
  医学における大きな言語モデル(LLM)は印象的な能力を実現しているが、体系的で透明で検証可能な推論を行う能力に重大なギャップが残っている。 本稿は、この新興分野に関する最初の体系的なレビューを提供する。 本稿では,学習時間戦略とテスト時間メカニズムに分類した推論強化手法の分類法を提案する。
  論文  参考訳（メタデータ） (2025-08-01T14:41:31Z)
• A Comprehensive Survey of Electronic Health Record Modeling: From Deep Learning Approaches to Large Language Models [5.623574322477982]
  このサーベイは、ディープラーニング、大規模言語モデル(LLM)、EHRモデリングの交差点における最近の進歩の包括的概要を提供する。 データ中心のアプローチ、ニューラルアーキテクチャ設計、学習中心の戦略、マルチモーダル学習、LLMに基づくモデリングシステムである。 この調査は、AI駆動のEHRモデリングと臨床意思決定支援を進めるための構造化されたロードマップを提供することを目的としている。
  論文  参考訳（メタデータ） (2025-07-17T04:31:55Z)
• Content Generation Models in Computational Pathology: A Comprehensive Survey on Methods, Applications, and Challenges [55.41538606569424]
  レビューでは、画像生成、テキスト生成、分子プロファイル形態学生成などの4つの重要な領域に焦点を当てている。 我々は、コンテンツ生成アーキテクチャーの進化を、初期の生成的敵ネットワークから、拡散モデルや生成的視覚言語モデルにおける最近の進歩まで遡る。 レビューはオープン課題と今後の研究方向性について議論し、統合的かつ臨床的に展開可能な世代システムの開発に重点を置いて締めくくっている。
  論文  参考訳（メタデータ） (2025-05-16T08:44:50Z)
• Evaluating the Predictive Features of Person-Centric Knowledge Graph Embeddings: Unfolding Ablation Studies [0.757843972001219]
  そこで本研究では,MIMIC-IIIデータセットから得られた構造化情報と非構造化情報を用いて学習したGNNモデルの結果を体系的に検証する手法を提案する。 本研究は,PKGにおける読み出し予測の課題に対する予測的特徴の同定におけるこのアプローチの堅牢性を示す。
  論文  参考訳（メタデータ） (2024-08-27T09:48:25Z)
• CohortNet: Empowering Cohort Discovery for Interpretable Healthcare Analytics [23.284528154162977]
  本稿では,コホート自己発見モデルであるCohortNetを提案する。 CohortNetは、個々の機能を個別に処理することで、きめ細かい患者の表現を学習する。 それぞれの特徴を異なる状態に分類し、コホート探索戦略を採用する。
  論文  参考訳（メタデータ） (2024-06-20T06:12:23Z)
• Can Generative AI Support Patients' & Caregivers' Informational Needs? Towards Task-Centric Evaluation Of AI Systems [0.7124736158080937]
  人間の理解と意思決定を中心とする評価パラダイムを開発する。 具体的なタスクにおける人を支援するための生成AIシステムの有用性について検討する。 我々は,放射線技師の反応に対して,最先端の2つの生成AIシステムを評価する。
  論文  参考訳（メタデータ） (2024-01-31T23:24:37Z)
• MIMO: Mutual Integration of Patient Journey and Medical Ontology for Healthcare Representation Learning [49.57261599776167]
  本稿では、医療表現学習と予測分析のための、エンドツーエンドの堅牢なトランスフォーマーベースのソリューション、患者旅行の相互統合、医療オントロジー(MIMO)を提案する。
  論文  参考訳（メタデータ） (2021-07-20T07:04:52Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。