論文の概要: From GenAI Virtual Patient Dialogue Logs to Teacher-Interpretable Process Evidence: A Learning Analytics Study in Higher Education
- arxiv url: http://arxiv.org/abs/2608.28619v1
- Date: Wed, 29 Jul 2026 03:05:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.413763
- Title: From GenAI Virtual Patient Dialogue Logs to Teacher-Interpretable Process Evidence: A Learning Analytics Study in Higher Education
- Title（参考訳）: GenAI仮想患者対話ログから教師が解釈可能なプロセスエビデンスへ:高等教育における学習分析研究
- Abstract要約: ジェネレーティブAIを使った仮想患者(GenAI VPs)は、繰り返し、スケーラブルな実践を実践し、ターンダイアログによって全ターンを保存する。
本研究は,GenAI VPダイアログが臨床推論の教師が解釈可能なプロセスの証拠となるかを検討した。
我々は,5週間の胸痛症例を対象に,210名の中学2年生から1030名のGenAI VPダイアログを分析した。
- 参考スコア（独自算出の注目度）: 10.372654453805982
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Medical history taking is a dialogue-based clinical reasoning task in which learners must gather, organise, and integrate patient information while the consultation unfolds. Generative AI-powered virtual patients (GenAI VPs) make repeated history taking practice scalable and preserve full turn by turn dialogue. However, these logs are educationally difficult to use directly. Complete transcripts are too detailed for routine teacher review, whereas final scores obscure whether learners followed up patient cues, checked uncertainty, or used summaries to guide later questioning. This study examined whether coded GenAI VP dialogues can provide teacher-interpretable process evidence of clinical reasoning. We analysed 1{,}030 GenAI VP dialogues from 210 second-year medical learners across five weeks chest-pain cases. Each consultation was teacher-scored using a rubric assessing the full history taking dialogue, and consultations were classified within each week as high- or low-rated using the weekly median score. To explain how rated performance was reflected in the dialogue process, we applied three analytic layers to the same coded dialogue data: behavioural prevalence, local co-occurrence using Epistemic Network Analysis, and sequential transition using Transition Network Analysis. High-rated consultations involved more history taking activity, but differences were not simply about volume. High rated consultations more often connected information gathering and symptom exploration with communication, checking, organisation, and synthesis. Summarising and organising moves more often led to verification or mechanism-oriented follow-up. These findings show how layered analysis of GenAI VP dialogue logs can reveal process patterns associated with high rated history taking and support process-focused feedback in medical education.
- Abstract（参考訳）: 医学的履歴取得は、学習者が患者情報を収集し、整理し、統合し、コンサルテーションが展開する、対話に基づく臨床推論タスクである。
ジェネレーティブAIを使った仮想患者(GenAI VPs)は、繰り返し、スケーラブルな実践を実践し、ターンダイアログによって全ターンを保存する。
しかし、これらのログを直接使うのは教育的に困難である。
完全な書き起こしは、定期的な教師のレビューには詳細すぎるが、最終スコアは、学習者が患者の手がかりをフォローしたか、不確実性を確認したか、あるいは後続の質問をガイドするために要約を使用したか不明である。
本研究は,GenAI VPダイアログが臨床推論の教師が解釈可能なプロセスの証拠となるかを検討した。
1{,}030 GenAI VP dialogues from 210 Second-year Medical Learners across five weeks chest-pain Case。
各相談は,全履歴の対話を評価できるルーブリックを用いて指導し,週ごとの相談は,週ごとの中央値を用いて,ハイレベルまたはローレベルに分類した。
対話処理において評価性能がどのように反映されたかを説明するために,3つの解析層を同一の符号付き対話データに適用した。
高い評価を受けたコンサルテーションには、より多くの歴史を取る活動が含まれていたが、その違いは単にボリュームに関するものではなかった。
高い評価を受けたコンサルテーションは、情報収集とコミュニケーション、チェック、組織化、合成による症状探索とを結び付けることが多い。
動作の要約と整理は、検証やメカニズム指向のフォローアップにつながることが多い。
これらの結果から,GenAIVP対話ログの階層化分析によって,高評価履歴取得に関連するプロセスパターンが明らかになり,医療教育におけるプロセス中心のフィードバックが支持されることがわかった。
関連論文リスト
- Uncovering Students' Inquiry Patterns in GenAI-Supported Clinical Practice: An Integration of Epistemic Network Analysis and Sequential Pattern Mining [9.4751316250728]
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。
論文 参考訳（メタデータ） (2025-12-04T02:08:21Z) - Advancing Conversational Diagnostic AI with Multimodal Reasoning [44.1996223689966]
アーティキュレート・メディカル・インテリジェンス・エクスプローラー(AMIE)
システムは、対話フローを中間モデル出力によって動的に制御する状態認識対話フレームワークを実装している。
患者アクターとのチャットベースの相談の無作為で盲目なOSCEスタイルの研究において, AMIEをプライマリケア医師(PCP)と比較した。
論文 参考訳（メタデータ） (2025-05-06T20:52:01Z) - Dialogue is Better Than Monologue: Instructing Medical LLMs via Strategical Conversations [74.83732294523402]
実世界の診断シナリオをシミュレートし,USMLE標準に適合するノイズと難易度を統合する新しいベンチマークを導入する。
また、対話に基づく微調整についても検討し、静的データセットを会話形式に変換し、反復的推論プロセスをよりよく捉える。
実験の結果、対話調整されたモデルは従来の手法よりも優れており、マルチラウンド推論のシナリオでは9.64%、ノイズの多い環境では6.18%の精度で改善されている。
論文 参考訳（メタデータ） (2025-01-29T18:58:48Z) - Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。
VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。
本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-29T23:19:28Z) - 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) - Generating medically-accurate summaries of patient-provider dialogue: A
multi-stage approach using large language models [6.252236971703546]
効果的な要約は、対話におけるすべての医学的関連情報を一貫性と精度良く捉えることが要求される。
本稿では, 医療会話の要約問題に, タスクを, より小さな対話に基づくタスクに分解することで対処する。
論文 参考訳（メタデータ） (2023-05-10T08:48:53Z) - A Benchmark for Automatic Medical Consultation System: Frameworks, Tasks
and Datasets [70.32630628211803]
本稿では,医師と患者との対話理解とタスク指向インタラクションという,医療相談の自動化を支援する2つの枠組みを提案する。
マルチレベルな微粒なアノテーションを付加した新しい大規模医療対話データセットが導入された。
本稿では,各タスクに対するベンチマーク結果のセットを報告し,データセットのユーザビリティを示し,今後の研究のベースラインを設定する。
論文 参考訳（メタデータ） (2022-04-19T16:43:21Z) - Comparison of Speaker Role Recognition and Speaker Enrollment Protocol
for conversational Clinical Interviews [9.728371067160941]
エンドツーエンドのニューラルネットワークアーキテクチャをトレーニングし、各タスクに適応し、各アプローチを同じメトリクスで評価します。
結果は面接者の人口統計にも依存せず,その臨床的意義を浮き彫りにした。
論文 参考訳（メタデータ） (2020-10-30T09:07:37Z) - Where's the Question? A Multi-channel Deep Convolutional Neural Network
for Question Identification in Textual Data [83.89578557287658]
本稿では,実際の質問を分離する目的で,新しい多チャンネル深層畳み込みニューラルネットワークアーキテクチャであるQuest-CNNを提案する。
提案するニューラルネットワークと他のディープニューラルネットワークの総合的な性能比較分析を行った。
提案したQuest-CNNは、透析ケア設定におけるデータエントリレビュー対話のデータセットと一般的なドメインデータセットの両方において、最高のF1スコアを達成した。
論文 参考訳（メタデータ） (2020-10-15T15:11:22Z) - MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware
Medical Dialogue Generation [86.38736781043109]
MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。
MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。
実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
論文 参考訳（メタデータ） (2020-10-15T03:34:33Z)
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。