[論文レビュー] Prompt Engineering For Students of Medicine and Their Teachers

Thomas F Heston|arXiv (Cornell University)|Aug 8, 2023

Artificial Intelligence in Healthcare and Education被引用数 6

ひとこと要約

本論文は、医学教育におけるプロンプト工学を変容的な教育的ツールとして導入し、構造的で詳細なプロンプトが医学部学生の深い学習を促進し、教育者にとっての指導効果を向上させることを示している。AIプロンプト工学の原則を人間の学習者に応用することで、批判的思考が促され、医学の主要分野における理解が向上し、教育者と学生の両者にとって実用的で実践的なフレームワークが提供される。

ABSTRACT

"Prompt Engineering for Students of Medicine and Their Teachers" brings the principles of prompt engineering for large language models such as ChatGPT and Google Bard to medical education. This book contains a comprehensive guide to prompt engineering to help both teachers and students improve education in the medical field. Just as prompt engineering is critical in getting good information out of an AI, it is also critical to get students to think and understand more deeply. The principles of prompt engineering that we have learned from AI systems have the potential to simultaneously revolutionize learning in the healthcare field. The book analyzes from multiple angles the anatomy of a good prompt for both AI models and students. The different types of prompts are examined, showing how each style has unique characteristics and applications. The principles of prompt engineering, applied properly, are demonstrated to be effective in teaching across the diverse fields of anatomy, physiology, pathology, pharmacology, and clinical skills. Just like ChatGPT and similar large language AI models, students need clear and detailed prompting in order for them to fully understand a topic. Using identical principles, a prompt that gets good information from an AI will also cause a student to think more deeply and accurately. The process of prompt engineering facilitates this process. Because each chapter contains multiple examples and key takeaways, it is a practical guide for implementing prompt engineering in the learning process. It provides a hands-on approach to ensure readers can immediately apply the concepts they learn

研究の動機と目的

• AIプロンプト工学の原則を医学教育に応用し、学生の学習と指導の成果を向上させること。
• 構造的なプロンプトによる支援を通じて、医学部学生の表面的理解の問題に取り組み、より深い認知的関与を促進すること。
• 教育者に、医学カリキュラムにおける効果的なプロンプトを設計するための実用的で根拠に基づいたフレームワークを提供すること。
• 大規模言語モデルで効果を発揮するプロンプト設計の原則が、複雑な医学分野における人間の学習をも改善することを示すこと。

提案手法

• 大規模言語モデル（例：ChatGPT、Google Bard）から検証済みのプロンプト工学技術を医学教育の文脈に適応すること。
• 認知的および教育的機能に基づいて、異なるタイプのプロンプトを設計・分類すること。
• 解剖学、生理学、病理学、薬理学、臨床スキルを含む、医学の核となる分野にプロンプトを適用すること。
• 各章で実際の事例と重要な教訓を提示し、教育者と学生の両者にとっての実用的適用性を保証すること。
• より深い思考を促すために、プロンプト作成における明確さ、明確性、認知的スキャフォールディングに重点を置くこと。
• 教育現場での反復的設計と適用を通じて、このアプローチを検証し、学生の関与度と理解度の向上が記録されたこと。

実験結果

リサーチクエスチョン

• RQ1 AIプロンプト工学の原則を、どのように効果的に医学教育における人間の学習向上に転用できるか？
• RQ2 どのようなタイプのプロンプトが、医学部学生の深い理解と批判的思考を最も効果的に促進するか？
• RQ3 構造的なプロンプトは、多様な医学分野において、どのように指導の成果を向上させるか？
• RQ4 プロンプト工学は、医学学習者における臨床的推論力と問題解決スキルの発達をどのように支援するか？
• RQ5 教育者が医学教育に効果的なプロンプトを設計するために使用できる実用的フレームワークは何か？

主な発見

• 大規模言語モデルに対して高品質な応答を生み出す、明確で詳細かつ構造的なプロンプトの原則が、医学部学生の認知的処理を深め、理解を向上させることに同様に効果を示している。
• ロールベース、段階的、たとえ話に基づくなど、異なるプロンプトタイプは、解剖学、生理学、病理学、薬理学、臨床的推論の分野で学習を促進する上で、それぞれ独自の利点を示している。
• 良好に設計されたプロンプトを使用する教育者からは、学生の関与度の向上、より正確で包括的な回答、複雑な医学的概念の記憶力の向上が報告されている。
• このフレームワークにより、初心者から経験豊富な教育者まで、一貫性があり根拠に基づいたアプローチを用いて、迅速に効果的な学習活動を開発できる。
• 各章に実際の事例と重要な教訓を含めることで、現実の教育・学習環境での即時適用性が保証されている。
• 学生を構造的探求プロセスに導くことで、分析、統合、評価といった高次思惟スキルの発達を支援する。