Video
LLMs in medical education - Chiba-Inje Joint Seminar (2025.5)
YouTube에서 보기
한국어 요약
이 세미나는 의학교육에서 대규모 언어 모델과 생성형 인공지능의 활용, 교육적 영향, 과제 재설계, 교수법의 변화를 다룬다. 발표는 정보 검색, 에세이 생성, 인간과 유사한 대화, 연쇄적 추론이라는 네 가지 역량을 중심으로 자기주도학습, 평가, 가상 환자 교육, 임상 추론 학습의 방향을 제시한다.
핵심 내용
- 생성형 인공지능은 학습자의 질문에 맞춰 실시간으로 설명, 번역, 형식 변환, 퀴즈 생성을 제공할 수 있지만, 전통적인 정적 텍스트보다 사실 오류와 환각 위험이 크므로 검증이 필요하다.
- 의학용어 플립드 러닝에서는 요약표 작성, 어원 분석, 핵심 내용 선별, 후속 질문 생성, 발표 개요 작성에 활용할 수 있는 다섯 가지 프롬프트 틀이 제시되었다.
- 언어 모델이 최종 에세이를 생성할 수 있다는 점을 고려해, 교육과제는 과정 기록, 개인적 성찰, 협력 활동, 대면 구두 발표, 생성 결과에 대한 오류 분석과 비판적 평가를 포함하도록 재설계할 수 있다. Simpson 역설의 비유를 비교하고 우수성을 논증하는 과제가 예시로 제시되었다。？
- 권장 독자
- 의학교육자, 임상교육 담당 교수, 의과대학 교육과정 설계자, 보건의료교육 연구자
- 범위와 한계
- 내용은 2025년 Chiba-Inje Health Care Education Joint Seminar 발표에 제시된 개념과 사례를 요약한 것이다. 가상 환자 챗봇 만족도 비교와 GPT-4 기반 질문 목록을 사용한 임상 추론 연구는 발표 자료에서 미출판 예비자료로 명시되었으며, 표본과 세부 분석 결과가 충분히 제시되지 않았다. 또한 언어 모델의 환각과 사실 오류 가능성이 주요 한계로 언급되었다.
- 연구 맥락
- 이 주제는 의료교육에서 생성형 인공지능, 학습자 평가, 임상 추론 훈련, 디지털 교육도구의 관계를 탐색하는 연구 영역과 연결된다.
English summary
This seminar addresses the use of large language models and generative artificial intelligence in medical education, including educational effects, assignment redesign, and pedagogical adaptation. It organizes the discussion around four capabilities: retrieving information, generating essays, producing human-like speech, and supporting chain-of-thought reasoning, with implications for self-directed learning, assessment, virtual patient education, and clinical reasoning.
Key points
- Generative artificial intelligence can provide real-time explanations, translations, format conversion, and quiz generation tailored to learner questions. However, unlike conventional static texts, generated content carries a substantial risk of factual error and hallucination and therefore requires verification.
- Five prompt templates for a flipped medical terminology course were presented: creating summary tables, analyzing word etymology, identifying core lecture points, generating likely follow-up questions with explanations, and drafting outlines for short peer presentations.
- Because language models can generate final essays, assignments may be redesigned to document the learning process, require personal reflection, include collaboration and in-person oral presentation, and ask students to identify errors or critically evaluate generated content. One example asked students to compare two analogies for Simpson's paradox and justify which was better.
- Audience
- Medical educators, clinical teaching faculty, medical school curriculum designers, and health professions education researchers
- Scope and limitations
- This summary is based on concepts and examples presented in the 2025 Chiba-Inje Health Care Education Joint Seminar. The virtual patient chatbot satisfaction comparison and the GPT-4-guided inquiry study in clinical reasoning were identified in the presentation as unpublished preliminary data, and their sample details and analyses were not fully provided. The presentation also emphasized hallucination and factual inaccuracy as important limitations of language models.
- Research context
- The topic is thematically connected to research on generative artificial intelligence in medical education, learner assessment, clinical reasoning training, and digital learning tools.
AI-assisted summary based on the cited primary source. Model gpt-5.6-luna, prompt academic-hub-v2, generated 2026-08-29T03:32:20+00:00.