Bu kapsam incelemesi, VR ve GenAI'nin onkoloji eğitiminde klinik akıl yürütmeyi değerlendirmek için yeni yollar sunduğunu ortaya koymaktadır. Ancak, her ikisi de yaygın eğitim kullanımı için daha sağlam doğrulama ve etik çerçeveler gerektiriyor; çünkü mevcut kanıtlar ön plandadır.
Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.
Derleme makalesi
Onkoloji Eğitiminde Sanal Gerçeklik ve Üretken Yapay Zekanın Manzarası: Klinik Akıl Yürütme Değerlendirme Araçlarının Kapsamlı İnceleme Değerlendirmesi
Bu makalede
Özet
Özet
Onkoloji, klinik akıl yürütmenin karmaşık klinik bilginin yüksek riskli bir ortamda sentezlenmesini gerektiren temel bir yetkinlik olduğu bir ortamdır. Yazılı testler, Objektif Yapılandırılmış Klinik Muayeneler (AGİT) ve işyeri tabanlı değerlendirmeler gibi geleneksel değerlendirme yöntemleri değerli bilgiler sunar, ancak klinik akıl yürütmenin dinamik ve yinelemeli kalitesini yansıtmada etkili değildir. Bu sınırlamaları aşmak için yeni fırsatlar, özellikle Sanal Gerçeklik (VR) ve Üretken Yapay Zeka (GenAI) gibi yeni dijital teknolojiler tarafından sunulmaktadır. VR, simülasyon tabanlı ortamları kolaylaştırır; bu ortamlar sürükleyici olabilir ve gözlemlenebilir klinik eyleme dayalı prosedürel ve durumsal akıl yürütme faktörlerinin değerlendirilmesine olanak tanır. GenAI ise daha diyalog temelli bir etkileşim sağlar; bu da bilişsel ve analitik süreçlerin, özellikle temel bilişsel süreçlerin değerlendirilmesini sağlar. Literatür, bu teknolojilerin tamamlayıcı avantajları olduğunu ancak kavramsal olarak ayrımlı olduklarını göstermektedir. VR ağırlıklı olarak davranış performansını kaydeder ancak GenAI bilişsel süreçlere vurgu yapar ve ikisi o kadar entegre değildir. Ayrıca, mevcut kanıt tabanı metodolojik heterojenlik, ön araştırmalara bağımlılık ve özellikle güvenilirlik ile gerçek dünya etkisi açısından geçerlilik kanıtı eksikliğiyle tanımlanmaktadır. Dikkate alınması gereken diğer faktörler ise bilişsel yükün etkisi, kullanıcı değişkenliği ve etik konular, örneğin algoritmik önyargı ve şeffaflıktır. Uygulamanın uygulanabilirliği, altyapı ve kurumsal hazırlık gibi organizasyonel faktörlerden de etkilenir. Genel olarak, VR ve GenAI onkolojide klinik akıl yürütme değerlendirme yöntemlerini geliştirirken teşvik edici olmakla birlikte. Gelecekte, alanın evrimi tutarlı değerlendirme çerçeveleri, titiz doğrulama ve net etik yapılar gerektirecektir.
Giriş
Klinik akıl yürütme, tanı ve yönetimin temelinde bulunan bilişsel ve metabiliştiv süreçler, güvenli ve etkili onkoloji uygulamasının temel taşınıoluşturur 1. Onkoloji bağlamında belirgin şekilde karmaşık bir süreçtir; klinisyenler belirsizlik ortamında olasılıksal karar alma süreçlerini yönetmek, hızla değişen tedavi kanıtlarını sentezlemek ve tümör kurullarında çok disiplinli tartışmalara katılmak zorundadır. Ayrıca, onkologlar biyomedikal ve hasta odaklı düşünce arasında bir denge bulmalıdır; hastalara kötü prognozlarını söylemek, etik sorunlarla başa çıkmak ve tedavi planlarını hastalığın değişen yollarına göre ayarlamakdahildir. 2,3. Bu katmanlı gereksinimler, onkoloji eğitiminde klinik akıl yürütmenin geliştirilmesi ve değerlendirilmesini özellikle kritik hale getirir. Geleneksel olarak, klinik akıl yürütme yazılı sınavlar, Objektif Yapılandırılmış Klinik Sınavlar (OSCE) ve Mini-Klinik Değerlendirme Tatbikatı (Mini-CEX) gibi işyeri tabanlı değerlendirmeler kullanılarak değerlendirilmiştir4. Bu yöntemler öğrenenin yetkinliği hakkında arka plan bilgisi sunsa da, önemli dezavantajları vardır. Yazılı testler, dinamik süreçlerden ziyade statik bilginin uygulanmasına daha yatkındır; AGİT'ler kaynak gerektirir ve ekolojik olarak geçersiz olabilirler; ayrıca işyeri tabanlı testler genellikle epizodik ve özneldir ve bağlamsal önyargıya yatkındır. Tüm bu kısıtlamalar, özellikle onkoloji gibi yüksek riskli ve bilişsel yük içeren uzmanlıklarda, klinik akıl yürütmenin yinelemeli, bağlama bağlı ve uzunlamasına karakterini incelemeyizorlaştırır. Bu sınırlamalar birlikte, özellikle onkoloji 6 gibi yüksek riskli ve bilişsel olarak talep eden uzmanlıklarda klinik akıl yürütmenin yinelemeli, bağlama bağlı ve uzunlamasına doğasını yakalama yeteneğini engeller.
Son zamanlarda dijital teknolojilerdeki yeni gelişmeler, bu zorlukların üstesinden gelmek için iyi fırsatlar sunmaktadır. Bunlardan ikisi Sanal Gerçeklik (VR) ve Üretken Yapay Zeka (GenAI) gibi güçlü tıbbi eğitim araçları haline gelmiştir. VR, karmaşık klinik senaryoyu yeniden yaratan, sürükleyici, son derece mekansal ve bağlamsal simülasyon tabanlı ortamlar sunar. Onkoloji eğitiminde, bu simülasyonlar onkolojik acil durumlar, kemoterapi sırasında yaşanan komplikasyonlar ve hassas hasta etkileşimleri gibi senaryoları simüle edebilir ve öğrencilerin güvenli ve kontrollü bir ortamda deneyimsel bir şekilde karar verme pratiğiyapmasını sağlayabilir 7,8,9. Önemli olarak, VR sistemleri eylem dizileri, zamanlama ve karar yolları gibi ayrıntılı davranışsal verileri yakalayabilir, böylece klinik akıl yürütmenin prosedürel ve durumsal boyutlarının değerlendirilmesini mümkün kılar.
Aynı zamanda, GenAI ve özellikle büyük dil modelleri (LLM'ler), akıl yürütmenin bilişsel mimarisini değerlendirmek için yeni fırsatlar açmıştır. GenAI sistemleri, doğal dil aracılığıyla öğrenenlerle etkileşime girerek onları hipotezlerin oluşturulması, ayırıcı tanı oluşturulması ve yönetimin gerekçelendirilmesi gibi uyarlayıcı, diyalog temelli ortamlarda dahil etme yeteneğine sahiptir. Bu sistemler, daha önce nesnel olarak ölçülmesi zor olan akıl yürütme süreçlerinin kişiselleştirilmiş ve ölçeklenebilir bir değerlendirmesini sağlayan doğal dil işleme tekniklerine dayalı olarak öğrenenlerin yanıtlarınıinceleyebilir 10,11,12.
Ayrıca, mevcut literatür metodoloji açısından kopuklu ve heterojendir. Mevcut kanıtların çoğu, pilot çalışmalara, teknik raporlara veya uygulamalara dayanıyor; bunlar esas olarak eğitime yönelik değil, gerçek bir değerlendirmeye odaklanıyor. Sonuç olarak, VR ve GenAI'nin değerlendirme yeteneklerine dair çoğu argüman, katı ampirik doğrulama temelinde değil, teknolojik işlevselliğe dayanır. Bildirilen geçerlilik kanıtları çeşitlilik gösterir; içerik geçerliliği ağırlıklı olarak bildirilir ve iç yapı, güvenilirlik veya önceden belirlenmiş değerlendirme ölçütleriyle korelasyonlara minimum referans vardır.
Bu kısıtlamalar, kullanılabilirlik, bilişsel yük ve etik konularla ilgili yeni sorunlarla daha da kötüleştirilmektedir. Örneğin, GenAI sistemleri ölçeklenebilir etkileşimli bir çözüm sunar; Ancak, bilgi yedekliği, sistem yanıt değişkenliği ve kullanıcının aşinalığı gibi sorunlar öğrenen etkileşimini ve performansını etkileyebilir. Benzer şekilde, değerlendirme senaryolarında şeffaflık, adalet ve hesap verebilirlik eksikliği, yapay zeka kaynaklı puanlamanın kara kutu doğasının bir sorunu olarak değerlendirilebilir. Uygulama açısından, VR sistemleri büyük bir altyapı yatırımı gerektirirken, GenAI benimsemesi kurumsal hazırlık, yönetim ve eğitim hedefleriyle uyum temelindedir. Bu faktörler, bu tür teknolojilerin onkoloji eğitimine nasıl dahil edilebileceğini değerlendirmede daha kavramsal ve organizasyonel bir çerçevenin önemini vurgulamaktadır.
Buna doğru, bu inceleme onkoloji eğitiminde VR ve GenAI üzerine güncel literatürlerin derinlemesine anlatı sentezini sunacak ve özellikle klinik akıl yürütme değerlendirmesinde uygulamalarına ilgi gösterecek. Özellikle, (1) bu araçların teknolojik tasarımlarını ve uygulama bağlamlarını tanımlamayı amaçlamaktadır; (2) bildirilen geçerlilik ve eğitim sonuçlarının kanıtlarını gözden geçirmek; ve (3) bilişsel, etik ve organizasyonel kaygılar gibi ana zorlukları ve gelecekteki araştırma ve uygulama yönlerini özetlemek. Önemli akademik veri tabanlarında ilgili literatür bulmak için sistematik olarak taranmış, ancak makalelerin incelenmesi alışkanlık olduğundan, bu makale prosedürel raporlamaya değil, yorumlama, senteze odaklanmaktadır.
Şekil 1 , klinik etkilerin VR tabanlı değerlendirmesini GenAI tabanlı klinik biliş değerlendirmesi ile birleştiren entegre model. Bu çift yaklaşım, kapsamlı değerlendirme ve geri bildirim için hem davranışsal hem de analitik klinik akıl yürütme boyutlarını kaplar.
Şekil 1: VR ve GenAI kullanarak Klinik Akıl Yürütme Değerlendirmesinin Entegre Modeli. Bu Şekil, eyleme dayalı klinik akıl yürütmeyi (örneğin, iş akışı, prosedürler, takım çalışması) değerlendirmek için Sanal Gerçeklik (VR) ile bilişsel ve diyalojik akıl yürütmeyi (örneğin, teşhis, gerekçelendirme, yansıtma) değerlendirmek için Üretken Yapay Zeka (GenAI) ile birleştiren entegre bir modeli göstermektedir. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
İnceleme ve perspektif
Teknoloji tipolojisi ve uygulaması
Onkoloji eğitiminde klinik akıl yürütme değerlendirme dijital teknolojileri alanındaki mevcut durum, dijital teknolojilerin iki paradigmasıyla işaretlenir. Mevcut yaklaşımlar VR ve GenAI tabanlı sistemlere dayanmaktadır. Her iki yöntem de karmaşık klinik yetkinliklerin değerlendirilmesini geliştirmeye çalışsa da, teknolojik temeller, etkileşim ve değerlendirme mantığı açısından önemli farklılıklarvardır 13,14. Bu sistemler, öğrencileri ayakta tedavi danışmanlığında, onkolojik acil durumlarda yatarak yönetimde veya kafa montajlı ekranlar ve etkileşimli arayüzler kullanılarak multidisipliner karar alma bağlamında gerçekçi onkoloji ortamlarınayerleştirir.
VR sistemlerinin bir avantajı, gömülü analitik kullanarak ayrıntılı davranışsal verileri kaydedebilmeleridir. Bu veriler, bir dizi eylem, karar takvimi, navigasyon ve klinik yönergelere uyumu içerir. Bu ölçümler, eğitimcilerin klinik akıl yürütmenin prosedürel unsurlarını, örneğin veri toplama, tanı eylemlerinin önceliklendirilmesi ve yönetim yollarının uygulanması gibi süreçleri değerlendirmelerini sağlar. Ancak, VR tabanlı değerlendirme araçlarının uygulanması, önemli altyapı ve lojistik zorluklarla birlikte geliyor. Donanım edinimi, yazılım geliştirme ve bakıma bağlı yüksek başlangıç maliyetleri, özellikle kaynak kısıtlı ortamlarda erişilebilirliği sınırlayabilir16. Ayrıca, özel fiziksel alan, teknik destek ve öğretim üyesi eğitimi ihtiyacı büyük ölçekli dağıtımı daha da karmaşıklaştırmaktadır. Bu kısıtlamalar genellikle VR uygulamalarını özel simülasyon merkezlerine sınırlar; ölçeklenebilirliklerini ve onkoloji müfredatlarına yaygın entegrasyonunu sınırlar.
Buna karşılık, GenAI tabanlı araçlar doğal dil etkileşimi yoluyla çalıştırılır ve yeni bir değerlendirme yöntemi sunar. Büyük dil model mimarilerine dayanarak geliştirilen bu yapılar, öğrenenleri klinik akıl yürütme mekanizmalarını taklit eden etkileşimli, metin veya ses tabanlı konuşmalara dahil eder. Öğrenciler, ayırıcı tanıları, yönetim kararlarının arkasındaki gerekçeleri ve değişen klinik durumları açıklamaları teşvik edilir; sistem ise biçimlendirici geri bildirim ve değerlendirmesunar 10,11.
GenAI sistemlerinin temel faydası, klinik akıl yürütmenin bilişsel ve analitik yönlerini değerlendirebilmeleridir. Bu araçlar, öğrenenin dil çıktısına bakarak ve doğruluğun ötesine geçerek düşünme süreci hakkında niteliksel bilgi elde ederek öğrenenin yapısını, tutarlılığını ve derinliğini değerlendirebilir. Ayrıca, GenAI çözümleri ölçeklenebilirlik ve erişilebilirlik açısından önemli avantajlara sahiptir. Ayrıca, sadece web tabanlı arayüzlerde uygulanabilen VR sistemlerinin aksine, uzaktan ve asenkron öğrenme ortamlarında da uygulanabilirler5.
Avantajlara rağmen, GenAI tabanlı değerlendirme araçlarının önemli dezavantajları vardır. Doğal dil işlemeye bağımlılık, puanlama güvenilirliği, yorumlanabilirlik ve şeffaflıkla ilgili sorunlara yol açar. Birçok sistem kara kutudur, yani puanlama kararının mantığı her zaman eğitimciler veya öğrenciler için erişilebilirdeğildir 17. Literatürde belirgin olan ana tema, iki teknolojik paradigma arasındaki ekolojik geçerlilik ile ölçeklenebilirlik arasındaki içsel bir dengedir. VR sistemleri, gerçekçi klinik ortamları yeniden yaratma ve bedenli karar alma süreçlerini yakalama konusunda iyidir, ancak kaynak yoğun ve bu nedenle ölçeklenebilirlik açısından sınırlıdır. GenAI sistemleri ise bilişsel süreçleri ölçeklenebilir ve diyalog temelli bir şekilde değerlendirmekiçin kullanılabilir 7.
Önemli olarak, VR ve GenAI'nin avantajlarını uyumlu entegre veya hibrit platformlar içeren mevcut literatürde önemli bir eksiklik var. Bu tür bir entegrasyon, klinik karar vermenin doğası birbirine bağlı olduğundan, prosedürel performans ve bilişsel akıl yürütmenin eşzamanlı ölçümünükolaylaştırabilir. Uygulama açısından, teknik yetenekler teknolojinin benimsenmesini belirleyen tek faktörler değildir; Organizasyonel ve çevresel faktörler de rol oynar. Teknoloji-Organizasyon-Ortam (TOE) modeli gibi modeller, bu dinamikleri açıklamak için iyi bir bakış açısıdır19.
Genel olarak, VR ve GenAI araçlarının tipolojisi, kesintisiz ama hızla gelişen bir alanı aydınlatıyor. Her iki teknoloji de klinik akıl yürütmenin belirli bir yönünü ölçmede benzersiz faydalara sahip olsa da, mevcut ayrımları onları tam olarak değerlendirme fırsatı sunmaz. Bu boşluğu kavramsal entegrasyon, teknolojik yenilik ve bağlama duyarlı uygulama stratejileri ile kapatmak, alanı daha kapsamlı ve etkili değerlendirme modellerine taşımak için gerekli olacaktır.
Klinik akıl yürütme yapıları ve yinelemeli değerlendirme
Klinik akıl yürütme, tanısal ve terapötik karar vermeyi destekleyen bilişsel, metabiliştif ve davranışsal süreçleri içeren çok boyutlu bir kavramdır. Onkolojide belirsizlik, dinamik kanıtlar ve disiplinlerarası koordinasyon ihtiyacı bu süreçleri daha da karmaşıklaştırır. Literatür, klinik akıl yürütmeyi giderek daha fazla bilgi edinmesini, hipotezin oluşturulmasını, tanının geliştirilmesini, karar alma sürecini ve yansıtıcı değerlendirmeyi içeren bir süreklilik olarakkavramsallaştırmaktadır 20,21.
VR tabanlı sistemler, klinik akıl yürütmenin gözlemlenebilir ve eyleme odaklı yönlerinin değerlendirilmesiyle çoğunlukla tutarlıdır. Öğrencileri simüle edilmiş klinik ortamlara yerleştiren bu platformlar, insanların nasıl bilgi edindiğini, tanı süreçlerine odaklanmasını ve bir dizi operasyonu nasıl gerçekleştirdiğini test etmesini sağlar. Çalışma, klinik kararların simüle edilen ortamdaki etkileşim kalıplarına dayandığı akıl yürütmenin eyleme dönüştürülmesineodaklanır.
GenAI tabanlı sistemler ise, klinik akıl yürütmeyi temel alan içsel bilişsel süreçleri ortaya çıkarma ve analiz etme süreçlerine odaklanır. Doğal dil etkileşimi, öğrencileri farklı tanıları ifade etmeye, klinik yönetim tercihlerini haklı çıkarmaya ve klinik belirsizlikleri düşünmeye teşvik eder. Bu tür sistemler, öğrenenin anlamsal tutarlılığını, mantıksal yapısını ve derinliğini ölçerek, genellikle doğal dil işleme yöntemleri kullanarak uzman yargısının yaklaşık bir örneğinisağlayarak akıl yürütmeyi belirler.
Bunlar tamamlayıcı güçlü yönler olsa da, literatürde en kritik olarak bulunan zayıflık, bilişsel ve davranışsal alanlar arasında değerlendirmenin karşıt olarak bölünmesidir. Gerçek hayatta klinik akıl yürütme uygulaması doğası gereği yinelemelidir, yani düşünce ve eylem arasında sürekli geri bildirim demektir. Bu, özellikle onkolojide etkili bir klinik karar alma sürecinde önemli bir döngüsel süreçtir; burada hastaların tedavi durumları ve tepkileri zamanladeğişir. 11.
Bu dinamik etkileşim genellikle mevcut VR ve GenAI araçlarında yansımıyor. VR sistemleri genellikle gözlemlenebilir davranışlardan akıl yürütmeyi türetir ve mutlaka temel zihinsel süreçlere ulaşmazken, GenAI sistemleri klinik davranış bağlamı dışındaki artikul akıl yürütmeyi analiz eder. Sonuç olarak, her iki strateji de klinik yetkinlik konusunda önyargılı görüntüler sunar ve tüm akıl yürütme faaliyetlerini yeterince değerlendiremez. Diğer önemli zayıflık ise otomatik analizlerin ana değerlendirme aracı olarak kullanılmasıdır. VR'de, kullanıcıların davranışlarını anlamak için günlük dosyalarının analizi kullanılır, ancak bu ölçümler klinik seçimlerin arkasındaki gerekçeyi anlamak için yeterli olmayabilir. Aynı şekilde, dilin algoritmik yorumu GenAI sistemlerini puanlamak için yaygın olarak kullanılır ve klinik sezgi, belirsizlik yönetimi veya bağlama özgü akıl yürütme gibi dil nüanslarını göz ardıedebilir 23.
Ayrıca, literatürde teknoloji çıktılarının bilinen klinik akıl yürütme modelleriyle eşlenmesinde standartlaştırılmış yöntemlerin olmadığı belirtilmektedir. VR'ı prosedürel akıl yürütmeye ve GenAI'yi bilişsel akıl yürütmeye dolaylı olarak bağlayan çalışmalar olsa da, bu araçları doğrulanmış teorik yapılar bağlamında konumlandıran çok az çalışma. Bu farklılık, diğer çalışmaların sonuçlarıyla karşılaştırma yapma ve teknolojiyle destekli değerlendirme yapısının tutarlı bir yapısı oluşturmaolanaklarını sınırlar.
Bu alandaki gelecekteki araştırmaların odağı, bilişsel ve davranışsal değerlendirme yöntemlerini entegre etmek olmalıdır. Kombinasyon Hibrit sistemler Sürükleyici simülasyonu gerçek zamanlı, yapay zeka aracılı diyaloglarla entegre eden hibrit sistemler, klinik akıl yürütmenin yineleme karakterini daha iyi benimseyebiliyor. Bunlarla, sanal ortamda öğrenenlerin davranışları, bir yapay zeka ajanının sorgulayıcı yanıtını tetikleyebilir ve böylece hem öğrenenlerin ne yaptıklarını hem de neden yaptıklarını aynı andadeğerlendirebilebilir 25,26.
Genel olarak, VR ve GenAI teknolojileri klinik akıl yürütmenin belirli yönlerine dair faydalı bilgiler sağlasa da, uygulamaları şu anda birbirinden kopuk durumda kalır. Bu parçalanmayı ele almak ve onkoloji eğitiminde kapsamlı, anlamlı değerlendirme stratejileri geliştirmek için kavramların, metodolojik titizliğin ve teknolojik yeniliğin entegrasyonu gerekecektir. Tablo 1, klinik akıl yürütmeyi değerlendirmede Sanal Gerçeklik (VR) ile Üretken Yapay Zeka (GenAI) arasındaki temel farkları vurgular; bunların odak noktaları, etkileşimleri, güçlü yönleri, sınırlamaları ve veri çıktılarını karşılaştırır. Ayrıca, Şekil 2 , VR'nin veri toplama, eylem ve yansıtmayı nasıl desteklediğini, GenAI'nin ise hipotez oluşturma, iyileştirme ve tanı açıklamasını nasıl desteklediğini gösteren yinelemeli klinik akıl yürütme döngüsünü göstermektedir. Birlikte, bilinçli karar alma ve deneyimsel öğrenme döngüsünü sürekli mümkün kılar.
| Boyut | Sanal Gerçeklik (VR) | Üretken Yapay Zeka (GenAI) |
| Değerlendirme odak noktası | Prosedürel / Davranışsal | Bilişsel / analitik |
| Etkileşim modu | Sürükleyici simülasyon | Diyalog temelli |
| Güç | Yüksek ekolojik geçerlilik | Yüksek ölçeklenebilirlik |
| Sınırlama | Kaynak yoğun | Sınırlı şeffaflık |
| Veri türü | Davranışsal kayıtlar | Doğal dil tepkileri |
Tablo 1: Klinik Akıl Yürütme Değerlendirmesinde VR ile GenAI karşılaştırması. Klinik akıl yürütme değerlendirmesi için Sanal Gerçeklik (VR) ve Üretken Yapay Zeka'nın (GenAI) karşılaştırılması; değerlendirme odak, etkileşim modu, güçlü yönler, sınırlamalar ve veri türü gibi temel boyutlar dahil.
Şekil 2: Yinelemeli Klinik Akıl Yürütme Döngüsü: VR ve GenAI'nin Katkıları. Yinelemeli klinik akıl yürütme döngüsü, VR'ın simülasyon tabanlı görevlerde (bilgi toplama ve karar verme) eylemleri ve performansı nasıl yakaladığını gösterirken, GenAI hipotez oluşturma, ayıran tanı, açıklama ve iyileştirmeyi destekler; bu da sürekli yansıtma ve deneyimden öğrenmeyi mümkün kılar. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.
Geçerlilik kanıtı ve ölçüm sınırlamaları
Güçlü geçerlilik kanıtı geliştirmek, özellikle onkoloji eğitimi gibi yüksek riskli alanlarda herhangi bir değerlendirme aracının uygulanmasının temelidir. Modern geçerlilik teorisi kavramsallığı, geçerliliği içerik, yanıt süreci, iç yapı, diğer değişkenlerle ilişkiler ve değerlendirmenin sonuçları gibi çeşitli kanıt kaynaklarıyla desteklenen tek bir yapıolarak görür 27,28.
Çalışmaların çoğu, genellikle klinik durumların uzman incelemesi, görev tasarımı veya puanlama kriterleriyle kanıtlanan içerik geçerliliğine odaklanır. Bu yöntemler değerlendirme materyalinin onkoloji uygulamasıyla ilgili ve tutarlı olmasını sağlasa da, araçların klinik akıl yürütmesinin temel yapılarını ölçme yeteneği hakkında çok fazla bilgi sağlamazlar. Çoğu durumda, içeriğin doğrulanması yeterli etkinlik kanıtı olarak kabul edilir, oysa daha titiz psikometrik uygulamalareksik 29.
Katılımcıların değerlendirme faaliyetlerini nasıl algılayıp etkileşime girdiği yanıt sürecinin geçerliliği hakkında kanıtların daha az tutarlı raporlanması vardır. Diğer çalışmalar, katılımcıların VR ortamları veya GenAI sistemleriyle istenen şekilde etkileşimde bulunduklarını ima etmek için kullanılabilirlik testi, öğrenci geri bildirimi veya sesli düşünme protokolleri kullanır. Ayrıca, bu etkileşimlerin gerçek klinik akıl yürütmeyi ne ölçüde doğru şekilde yakalayabildiği, özellikle simüle edilmiş veya yapay zeka aracılısenaryolarda henüz net değildir 30.
VR ve GenAI modalitelerinin en önemli kısıtlamalarından biri, iç yapı kanıtlarının eksikliğidir. İç tutarlılık, derecelendiriciler arası anlaşma veya test-tekrar test kararlılığı gibi güvenilirlik ölçütleri nadiren bildirilir. Bu özellikle otomatik puanlama tabanlı araçlar için sorunludur. GenAI sistemleri, doğal dil işlemeyle yönlendirilen puanlama algoritmaları açısından da değişkendir; sonuçlar istem tasarımı, model parametreleri veya bağlamsal yoruma bağlı olarak değişebilir.
Benzer şekilde, diğer değişkenlerle ilişkiye dair sınırlı kanıt vardır. VR veya GenAI platformlarındaki performansı mevcut değerlendirme teknikleriyle ilişkilendirmeye çalışan çok az çalışma, AGİT, yazılı testler veya işyeri değerlendirmeleri dahil. Bu tür karşılaştırmalar olmadan, bu teknolojilerin ölçümlerinin mevcut klinik yeterlilik çerçeveleriyle uyumlu olup olmadığını bilmek zorlaşır. Böyle bir yakınsamak ve ayrımcı geçerlilikte bir eksiklik, değerlendirme sonuçlarının yorumlanmasını ve inandırıcılığınısınırlar 32.
Ancak literatürdeki en büyük boşluk, transfer geçerliliğinin eksikliğidir. VR simülasyonlarında veya GenAI tabanlı testlerde uygulamanın gerçek onkoloji pratiğinde daha iyi klinik akıl yürütme ile ilişkili olduğu fikrini desteklemek için çok az veya hiç veri yoktur. Tıbbi eğitimin nihai amacı hasta bakımını geliştirmek olduğundan, bu kısıtlama bu araçların resmi değerlendirme programlarında uygulanmasında en büyük engellerden biridir. Uzunlamasına veya sonuç çalışmaları yoksa, bu teknolojilerin eğitici etkisi uygulandıkları simüle veya deneysel durumlasınırlıdır 33.
Bu psikometrik dezavantajların yanı sıra, otomatik analitiğin artan kullanımıyla başka zorluklar da ortaya çıkıyor. Hem VR hem de GenAI, kullanıcı davranışının veya dilinin algoritmik yorumuna büyük ölçüde dayanıyor, bu da şeffaflık ve yorumlanabilirlik konusunda sorular gündeme getiriyor. GenAI tabanlı değerlendirmeler bağlamında büyük dil modellerinin kara kutu doğası, puanların nasıl üretildiğini ve tarafsız puanların nasıl garanti edileceğini anlamayı karmaşıklaştırır. Böyle açıklanamazlık, özellikle yüksek riskli ortamlarda öğretmenler ile öğrenciler arasındaki güveni yokedebilir 34.
Bir diğer önemli konu ise yapay zeka tabanlı değerlendirmedeki önyargıdır. Dil modelleri oluşturmak için kullanılan eğitim verileri, klinik bilgi, iletişim kalıpları veya kültürel uygulamalardaki farklılıkları yakalayabilir ve böylece öğrenen gruplar arasında sistematik puanlama farklılıklarına yol açabilir. Ele alınmazsa, bu tür önyargılar tıp eğitimindeki adalet ve eşitlik yönlerindeciddi sonuçlar doğurabilir.
Ayrıca, geçerliliğin bir diğer önemli yönü olan değerlendirmenin sonuçları mevcut literatürde nadiren tartışılır. VR veya GenAI araçlarının kullanımının öğrenenlerin davranışları, eğitim yolları veya klinik ortamlarda karar alma süreçleri üzerindeki etkilerini çok az araştırma inceliyor. Aşağı akım etkileri üzerine yapılan çalışmaların eksikliği, bu teknolojilerin olumlu ve olası istenmeyen etkileri hakkındaki bilgiyikısıtlamaktadır 36.
Sonuç olarak, VR ve GenAI teknolojileri klinik akıl yürütmeyi değerlendirmek için yeni yöntemler sunma konusunda umut vaat ediyor, ancak mevcut kanıt tabanı bunları yüksek riskli durumlarda uygulamak için yeterli değil. Tüm alanlarda, geçerliliği artırmak bir sonraki adımı garanti edecektir: bu araçları deneysel kullanımdan onkoloji eğitimi değerlendirmesinin etkili unsurlarına dönüştürmek. Tablo 2, VR ve GenAI için dört alanda—içerik, iç yapı, diğer değişkenlerle ilişkiler ve sonuçlar—geçerlilik kanıtlarını özetlerken, uzman odaklı tasarımlar, sınırlı güvenilirlik testleri, seyrek karşılaştırmalı çalışmalar ve uzun vadeli sonuç verilerinin eksikliği gibi temel sınırlamaları vurgular.
| Geçerlilik Alanı | VR Kanıtı | GenAI Kanıtı | Anahtar Sınırlaması |
| İçerik | Güçlü | Tılımlı | Çoğunlukla uzman odaklıydı |
| İç yapı | Sınırlı | Sınırlı | Güvenilirlik testi eksikliği |
| Diğer değişkenlerle ilişkiler | Seyrek | Seyrek | Birkaç karşılaştırmalı çalışma |
| Sonuçlar | Minimum | Minimum | Uzun vadeli sonuç yok |
Tablo 2: Teknolojiler Arasında Geçerlilik Kanıtı. Bu tablo, VR ve GenAI'nin klinik akıl yürütme değerlendirmesinde içerik, iç yapı, diğer değişkenlerle ilişkiler ve sonuç alanları açısından geçerlilik kanıtlarını göstermektedir
Eğitim sonuçları ve yorumlayıcı uyarı
Onkoloji eğitiminde Sanal Gerçeklik (VR) ve Üretken Yapay Zeka'nın (GenAI) artan benimsenmesi, genel olumlu eğitim sonuçlarını belgeleyen literatürle karşılandı. Bunlar, geliştirilmiş öğrenen katılımı, motivasyon, öğrenme ortamlarının algılanan gerçekçiliği ve anında, kişiselleştirilmiş geri bildirim almayeteneğidir. 37,38,39. Bu tür bulgular, bu teknolojilerin eğitim deneyimlerini zenginleştirme ve klinik akıl yürütme becerilerinin gelişimini destekleme konusunda umut vaat ettiğini göstermektedir.
Bildirilen sonuçların önemli bir yüzdesi, örneğin öğrenen memnuniyeti, algılanan özgüven veya öznel öğrenme değerlendirmesi gibi kendi kendine bildirilen sonuçlardır. Bu göstergeler kullanıcı deneyimi hakkında içgörülü bilgiler sağlamakla birlikte, her zaman somut bir klinik akıl yürütme veya klinik performans iyileştirmeleriyle ilişkilendirilmez40. Objektif habercilikte, genellikle teknoloji platformundaki performans sonuçlarına odaklanırlar. Bu sonuçlar aracın başarılı bir şekilde kullanıldığını gösterse de, bu etkileşimin klinik akıl yürütmede genel olarak yetkinlik düzeyine dönüştürülemeyeceğini belirlemez. Kontrollü veya simüle edilmiş ortamlarda elde edilen kazanımlar, gerçek bilişsel veya davranışsal gelişimden ziyade sisteme aşinalıklailişkilendirilebilir 53. Diğer sınırlama ise mevcut çalışmaların metodolojik özellikleriyle ilgilidir. Literatürün çoğu, sınırlı örneklem büyüklükleri ve kısa müdahale süreleri olan küçük ölçekli, tek kurumlu çalışmalardan oluşmaktadır. Bu sınırlamalar, istatistiksel gücü azaltır ve sonuçların geniş bir eğitim alanına genellenebilirliğinisınırlar33.
Aktarılabilirlik sorunu, kanser eğitiminde özellikle endişe duyulmaktadır. Onkolojik klinik akıl yürütme, belirli bir zaman diliminde ve klinik bağlamlar içinde gerçekleşen karmaşık ve uzunlamasına bir karar alma sürecidir. Buna rağmen, VR veya GenAI müdahalelerinde eğitilen becerilerin hemen öğrenme bağlamından sonra mı kaldığı veya gerçek klinik uygulamayı etkileyip etkilemediğine dair literatür eksikliği vardır. Ayrıca, literatür genellikle eğitim ve değerlendirme sonuçlarını harmanlamaktadır. Çoğu VR ve GenAI uygulamasının temel amacı kolaylaştırmayı eğitim aracı olarak benimsemek, ancak başarıları bazen değerlendirme geçerliliğinin bir işareti olarak görülür. Doğru yorumlamak için, biçimlendirici öğrenmenin faydalarını ve toplamsal değerlendirmenin faydalarını ayırt etmekönemlidir 42.
Eğitim sonuçlarının yorumlanmasını daha karmaşık kılan bilişsel nedenler de vardır. İleri teknolojiler çeşitli bilişsel yükler sunar ve öğrenenlerin performansını etkileyebilir. Örneğin, sürükleyici VR sistemleri navigasyon, arayüzle etkileşim veya duyusal işleme açısından gereksiz bilişsel yük taşıyabilir. Doğru tasarım ve kullanıcıya aşinalıkla, bu faktörler öğrenmeyi kolaylaştırabilirveya engelleyebilir 36. Kullanıcı deneyimi ve teknolojiyle önceki deneyimler de etkenlerdir. Bilgisayar arayüzlerine veya yapay zeka destekli sistemlere daha alışkın olan öğrenciler, daha iyi performans gösterebilirler; bunun nedeni mutlaka daha fazla klinik akıl yürütme yeteneğine sahip olmaları değil, sistem ile daha pratik bir etkileşimsayesinde gerçekleşir.
İstenmeyen sonuçlar olasılığı da dikkate alınması gereken bir diğer faktördür. Örneğin, yapay zeka tarafından geliştirilen geri bildirime aşırı bağımlılık, mantıksal düşünme veya eleştirel analiz şansını azaltabilir. Benzer şekilde, iyi ifade edilen VR durumları, potansiyel eylem sayısını azaltarak karar alma süreçlerini istemeden kısıtlayabilir. Mevcut literatür bu etkileri kapsamlı bir şekilde incelemese de, eğitim tasarımı üzerinde önemlietkileri vardır 44.
Bu kısıtlamalar mevcut olsa da, öğrenci katılımı ve deneyimsel öğrenme açısından kaydedilen olumlu eğilimler göz ardı edilemez. Güvenli pratik ortamları, gerçek zamanlı geri bildirim ve karmaşık durumlara tekrar tekrar maruz kalma yeteneği VR ve GenAI teknolojilerinin avantajlarıdır. Bu özellikler, aktif öğrenme ve sürekli geliştirmeyi önceliklendiren deneyimsel öğrenme ve kasıtlı uygulama gibi mevcut eğitim teorileriyleilişkilendirilebilir 45.
Genel olarak, VR ve GenAI teknolojileri onkoloji eğitimini dönüştürme konusunda önemli bir vaat verse de, şu anda metodoloji ve yorumlama açısından kanıt tabanı sınırlıdır. Bu nedenle, bulguların aşırı genelleştirilmesini önlemek ve eğitimin etkinliğiyle ilgili iddiaların güçlü ampirik kanıtlara sahip olduğundan emin olmak için eleştirel ve temkinli bir tutum gereklidir.
Bilişsel, etik ve organizasyonel hususlar
Bilişsel olarak, bu teknolojilerin geliştirilmesi ve uygulanması, öğrenenlerin bilgiyi algılama ve klinik akıl yürütme biçimleri üzerinde önemli bir etki yaratabilir. Bilişsel yük teorisi, bu etkileri anlamak için üç tür bilişsel yükle pratik bir çerçeve sunar: içsel, dışsal ve alman bilişsel yük43. VR ortamları sürükleyici ve sürükleyici olsa da, kullanıcılara önemli miktarda gereksiz bilişsel yük yükleyebilir; bu da navigasyon, duyusal uyarım ve arayüzün karmaşıklığını gerektirir. İyi planlanmadıkça, bu faktörler bilişsel kaynakları temel akıl yürütme süreçleri dışında başka alanlara kaydırabilir ve böylece öğrenme ve değerlendirme performansını geçersizhale getirebilir38.
Aynı şekilde, GenAI sistemleri bilgi sunumu ve etkileşim dinamikleriyle ilgili yeni bilişsel zorluklar sunar. Örneğin, yapay zeka sistemleri tarafından üretilen aşırı veya tekrarlı geri bildirim, bilgi aşırı yüklenmesine yol açabilir ve bu da başarılı öğrenmeyi engelleyebilir. Öte yandan, doğru tasarlanmış, adaptif geri bildirim, şema oluşumu ve yansıtıcı düşünce46 yoluyla alman bilişsel yükü artırabilir. Bu nedenle, rehberlik ile bilişsel özerklik arasındaki denge kritik öneme sahiptir; çünkü yapay zeka tarafından üretilen yanıtlara aşırı bağımlılık bağımsız problem çözme ve eleştirel düşünme fırsatlarını azaltabilir.
Bu tür teknolojilere olan bilişsel etkileşim aynı zamanda kullanıcı aşinalığı ve dijital okuryazarlık tarafından dayönlendirilir 44.
Etik ayrıca, eğitimin değerlendirilmesinde VR ve GenAI uygulamalarında kilit bir unsurdur. En belirgin konulardan biri, yapay zeka tabanlı sistemlerde algoritmik önyargı kavramıdır. Büyük dil modelleri gibi makine öğrenimi modelleri, mevcut sosyal, kültürel veya mesleki normlara eğilimli olabilecek büyük miktarda veri üzerinde eğitilir. Sonuç olarak, değerlendirme sonuçları belirli öğrenci gruplarına karşı istenmeyen ayrımcılığa yol açabilir ve adalet ile eşitlik sorgulanır35. Diğer etik konular ise şeffaflık ve açıklanabilirliktir. Çoğu GenAI sistemi siyah kutular şeklindedir ve karar alma sürecine dair açık açıklamalar bulunmaz. Değerlendirmelerdeki bu yorumlanabilirlik, özellikle nihai ürünün ciddi akademik etkileri olduğunda, öğrenenler ile eğitimciler arasında güven eksikliğine yol açabilir34.
Verilerin güvenliği ve gizliliği de önemli bir faktördür çünkü eğitim ve belki de klinik veriler hassastır. VR, ayrıntılı davranış verilerini kaydetmek için kullanılabilirken, GenAI platformları büyük miktarda metin verisini işleyebilir. Etik standartları ve kuruma olan güveni korumak için, veri koruma kurallarına uyulması ve kullanıcıların bilgilerinin korunmasını sağlamakönemlidir 47.
Bireysel düzeydeki sorunların yanı sıra, organizasyonel sorunlar da bu teknolojilerin başarılı benimsenmesinde belirleyicidir. Onkoloji eğitiminde VR ve GenAI'nin uygulanması, kurumların hedefleri, kaynaklara erişim ve destekleyici yönetişim çerçeveleriyle tutarlı olmalıdır. Teknoloji-Organizasyon-Ortam (TOE) modeli, bu faktörleri incelemek ve teknolojik hazırlık, organizasyonel yetenekler ve dış çevrenin etkisi arasındaki etkileşime odaklanmak için değerli biraraçtır 48.
Organizasyonel hazırlık, öğretim üyelerinin yetkinliğini, eğitimini ve yeni teknolojilerin kabulünü içerir. Benimsenmeye karşı olası direnç, güvenilirlik, iş aşırı yükü korkuları veya yapay zeka tabanlı sistemlere aşinalık eksikliğiyle ilgili olabilir. Bu kısıtlamalar, odaklanmış öğretim üyesi geliştirme programları ve teknolojinin değerlendirme49'da nasıl kullanıldığına dair açık kurallarla aşılabilir.
Alana yeni bir yaklaşım, yapay zeka sistemlerinin insan yargısının yerini almak yerine değil, yardımcı olmak için oluşturulduğu aydınlanmış özerklik fikrine odaklanıyor. Bu yöntem, teknolojinin karar alma süreçlerini hesap verebilirlik veya profesyonelliğe müdahale etmeden iyileştireceği otomatik analitik ve insan kontrolünün uyumlu bir kombinasyonunuönerir. Klinik akıl yürütme değerlendirmesi bağlamında, bu süreç, yapay zeka tarafından oluşturulan içgörüleri uzman değerlendirmeleriyle birleştirerek daha kapsamlı ve güvenilir bir değerlendirme süreci elde etmeyi içerebilir.
Genel olarak, VR ve GenAI'nin onkoloji eğitimine tanıtılması sadece teknik yenilikten fazlasını içeriyor; Ayrıca karmaşık bilişsel, etik ve organizasyonel yönleri de inceler. Bu hususlar, bu teknolojilerin eğitim değeri açısından en üst düzeye çıkarılması ve risklerin azaltılması açısından kritik öneme sahiptir. Kullanıcı merkezli tasarımı, etik kaygıları ve kurumsal hazırlıklılığı dikkate alan disiplinlerarası bir strateji, klinik akıl yürütme değerlendirmesinde teknolojinin sorumlu kullanımının geliştirilmesinde çok önemli olacaktır. Şekil 3 Teknoloji-Organizasyon-Ortam (TOE) çerçevesi, VR ve GenAI'nin onkoloji eğitimine entegre edilmesi için temel uygulama faktörlerini belirler. Başarılı benimseme için sistem yetenekleri, organizasyon desteği ve dış çevresel koşullar arasında uyum gereklidir.
Şekil 3: Onkoloji eğitiminde VR ve GenAI'nin uygulanması için teknoloji-organizasyon-ortam (TOE) çerçevesi. Teknoloji-Organizasyon-Ortam (TOE) çerçevesi, onkoloji eğitiminde VR ve GenAI'yi entegre etmek için uygulanmış, sistem yeteneği, liderlik ve müfredat ile düzenleyici, finansman ve kültürel unsurları vurgulayarak başarılı uygulama için temel faktörleri vurgulamıştır. Bu figürün daha büyük bir versiyonunu görmek için lütfen buraya tıklayın.
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Sonuçlar
Onkolojide klinik akıl yürütme, uzun süredir onkolojik karar alma süreçlerinde karmaşık, dinamik, yüksek riskli ve bağlama özgü bir konu olan genişleyen ve zorlu bir konudur. Bu inceleme, geleneksel değerlendirme tekniklerinin sınırlamalarına yenilikçi çözümler olarak Sanal Gerçeklik (VR) ve Üretken Yapay Zeka'nın (GenAI) yeni işlevlerini tartışmıştır. Bir arada ele alındığında, kanıtlar bu teknolojilerin örtüşmeyen avantajlar sunduğunu ancak henüz kavramsal parçalanmaya, metodolojik kıs...
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Teşekkürler
Fon: Fon: Zhejiang Eyalet Eğitim Bakanlığı'nın Genel Araştırma Projesi (Doğa Bilimleri Kategorisi) (Hibe No.Y202558353).
Fon: Yükseköğretim Araştırma Projesi Özel Proje: Yapay Zekanın Eğitimi ve Öğretim Uygulamalarını Güçlendirmesi (KT2025426)
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.
Kaynaklar
- Shimizu, H., Nakayama, K. I. Artificial intelligence in oncology. Cancer Sci. 111 (5), 1452-1460 (2020).
- Ginsburg, K. B., Curtis, G. L., Timar, R. E., George, A. K., Cher, M. L. Delayed radical prostatectomy is not associated with adverse oncologic outcomes: implications for men experiencing surgical delay due to the COVID-19 pandemic. J Urol. 204 (4), 720-725 (2020).
- Egbuna, I., Olatokun, T., Ozo-Ogueji, P., Ekechi, C., Akinbo, O., et al. Revolutionizing cancer surgery: Harnessing artificial intelligence and augmented reality for next-generation precision oncology. Int J Life Sci Res Arch. 9 (1), 147-176 (2025).
- Sminia, P., et al. Clinical radiobiology for radiation oncology. Radiobiology textbook. , (2023).
- Wood, E. A., Ange, B. L., Miller, D. D. Are we ready to integrate artificial intelligence literacy into medical school curriculum? Students and faculty survey. J Med Educ Curric Dev. 8, 23821205211024078 (2021).
- Kok, D. L., Dushyanthen, S., Peters, G., Sapkaroski, D., Barrett, M., et al. Virtual reality and augmented reality in radiation oncology education: A review and expert commentary. Tech Innov Patient Support Radiat Oncol. 24, 25-31 (2022).
- Rahimi, F., Sadeghi-Niaraki, A., Choi, S. M. Generative AI meets virtual reality: A comprehensive survey on applications, challenges, and future directions. IEEE Access. 13, 1-20 (2025).
- von Ende, E., Ryan, S., Crain, M. A., Makary, M. S. Artificial intelligence, augmented reality, and virtual reality advances and applications in interventional radiology. Diagnostics (Basel). 13 (5), 892 (2023).
- Esmail, S., Concannon, B. Immersive virtual reality and AI (generative pretrained transformer) to enhance student preparedness for objective structured clinical examinations: Mixed methods study. JMIR Serious Games. 13, e69428 (2025).
- Gilson, A., Safranek, C. W., Huang, T., Socrates, V., Chi, L., et al. How does ChatGPT perform on the United States Medical Licensing Examination (USMLE)? The implications of large language models for medical education and knowledge assessment. JMIR Med Educ. 9 (1), e45312 (2023).
- Kung, T. H., Cheatham, M., Medenilla, A., Sillos, C., De Leon, L., et al. Performance of ChatGPT on USMLE: Potential for AI-assisted medical education using large language models. PLoS Digit Health. 2 (2), e0000198 (2023).
- Xu, L., Sanders, L., Li, K., Chow, J. C. Chatbot for health care and oncology applications using artificial intelligence and machine learning: Systematic review. JMIR Cancer. 7 (4), e27850 (2021).
- Pottle, J. Virtual reality and the transformation of medical education. Future Healthc J. 6 (3), 181-185 (2019).
- Farina, E., Nabhen, J. J., Dacoregio, M. I., Batalini, F., Moraes, F. Y. An overview of artificial intelligence in oncology. Future Sci OA. 8 (4), FSO787 (2022).
- Hamilton, A. Artificial intelligence and healthcare simulation: The shifting landscape of medical education. Cureus. 16 (5), e00000 (2024).
- Siddiqui, F. M., Jabeen, S., Alwazzan, A., Vacca, S., Dalal, L., et al. Integration of augmented reality, virtual reality, and extended reality in healthcare and medical education: A systematic review. J Med Educ Curric Dev. 12, 23821205251342315 (2025).
- Wang, S., Zhang, H. Industrial information integration through autonomous AI agents: Paradoxical effects on transparency, dehumanization, and responsible operations. J Ind Inf Integr. 51, 101089 (2026).
- Tortora, A., Amaro, I., Della Greca, A., Barra, P. Exploring the role of generative artificial intelligence in virtual reality: Opportunities and future perspectives. , 125-142 (2025).
- Wang, S., Zhang, H. Generative AI in international hotel marketing: Impacts on employee creativity and performance. Int J Contemp Hosp Manag. 37 (8), 2601-2626 (2025).
- Christensen, N., Jones, M. A., Rivett, D. A., Jones, M. A., Rivett, D. A. Strategies to facilitate clinical reasoning development. Clinical reasoning in musculoskeletal practice. , 562-582 (2019).
- Cook, D. A., Sherbino, J., Durning, S. J. Management reasoning: Beyond the diagnosis. JAMA. 319 (22), 2267-2268 (2018).
- Croskerry, P. A universal model of diagnostic reasoning. Acad Med. 84 (8), 1022-1028 (2009).
- Norman, G. Research in clinical reasoning: Past history and current trends. Med Educ. 39 (4), 418-427 (2005).
- Topol, E. J. High-performance medicine: The convergence of human and artificial intelligence. Nat Med. 25 (1), 44-56 (2019).
- Durning, S. J., Artino, A. R., Pangaro, L. N., van der Vleuten, C., Schuwirth, L. Redefining context in the clinical encounter: Implications for research and training in medical education. Acad Med. 85 (5), 894-901 (2010).
- Bickmore, T. W., Giorgino, T. Health dialog systems for patients and consumers. J Biomed Inform. 39 (5), 556-571 (2006).
- Messick, S. Validity. educational measurement. , 13-103 (1989).
- Cook, D. A., Beckman, T. J. Current concepts in validity and reliability for psychometric instruments: Theory and application. Am J Med. 119 (2), 166.e7-166.e16 (2006).
- Downing, S. M. Validity: On meaningful interpretation of assessment data. Med Educ. 37 (9), 830-837 (2003).
- Artino, A. R., La Rochelle, J. S., Dezee, K. J., Gehlbach, H. Developing questionnaires for educational research: AMEE Guide No. 87. Med Teach. 36 (6), 463-474 (2014).
- Gwet, K. L. . Handbook of inter-rater reliability. , (2021).
- Norcini, J., Anderson, M. B., Bollela, V., Burch, V., Costa, M. J., et al. Criteria for good assessment: Consensus statement and recommendations from the Ottawa 2010 Conference. Med Teach. 33 (3), 206-214 (2011).
- Cook, D. A., Hatala, R., Brydges, R., Zendejas, B., Szostek, J. H., et al. Technology-enhanced simulation for health professions education: A systematic review and meta-analysis. JAMA. 306 (9), 978-988 (2011).
- Topol, E. J. . Deep medicine: How artificial intelligence can make healthcare human again. , (2019).
- Obermeyer, Z., Powers, B., Vogeli, C., Mullainathan, S. Dissecting racial bias in an algorithm used to manage the health of populations. Science. 366 (6464), 447-453 (2019).
- van der Vleuten, C. P. M., Schuwirth, L. W. T. Assessing professional competence: From methods to programmes. Med Educ. 39 (3), 309-317 (2005).
- Radianti, J., Majchrzak, T. A., Fromm, J., Wohlgenannt, I. A systematic review of immersive virtual reality applications for higher education: Design elements, lessons learned, and research agenda. Comput Educ. 147, 103778 (2020).
- Makransky, G., Petersen, G. B. Immersive virtual reality and learning: A meta-analysis. Educ Psychol Rev. 31 (4), 915-943 (2019).
- Luckin, R., Holmes, W., Griffiths, M., Forcier, L. B. . Intelligence unleashed: An argument for AI in education. , (2016).
- Sitzmann, T., Ely, K., Brown, K. G., Bauer, K. N. Self-assessment of knowledge: A cognitive learning or affective measure?. Acad Manag Learn Educ. 9 (2), 169-191 (2010).
- Reeves, S., Fletcher, S., Barr, H., Birch, I., Boet, S., et al. A BEME systematic review of the effects of interprofessional education. Med Teach. 38 (7), 656-668 (2016).
- Issenberg, S. B., McGaghie, W. C., Petrusa, E. R., Lee Gordon, D., Scalese, R. J. Features and uses of high-fidelity medical simulations that lead to effective learning: A meta-analysis. Med Teach. 27 (1), 10-28 (2005).
- Sweller, J. Cognitive load theory. Psychol Learn Motiv. 55, 37-76 (2011).
- Liaw, S. S., Huang, H. M. Perceived satisfaction, perceived usefulness and interactive learning environments as predictors to self-regulation in e-learning environments. Comput Educ. 60 (1), 14-24 (2013).
- Carr, S. AI gone wild: Implications of artificial intelligence for education. Educ Technol. 60 (2), 3-10 (2020).
- Wang, S., Sun, Z. Roles of artificial intelligence experience, information redundancy, and familiarity in shaping active learning. Educ Inf Technol. 30 (2), 2525-2546 (2025).
- European Parliament and Council. General Data Protection Regulation (GDPR). Off J Eur Union. L119, 1-88 (2016).
- Tornatzky, L. G., Fleischer, M. . The processes of technological innovation. , (1990).
- Rogers, E. M. . Diffusion of innovations. , (2003).
- Floridi, L., Cowls, J. A unified framework of five principles for AI in society. Harv Data Sci Rev. 1 (1), 1-15 (2019).
Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.