[논문 리뷰] Prompt Engineering For Students of Medicine and Their Teachers

Thomas F Heston|arXiv (Cornell University)|2023. 08. 08.

Artificial Intelligence in Healthcare and Education인용 수 6

한 줄 요약

이 논문은 의료 교육에서 프롬프트 엔지니어링을 변혁적 교육 도구로 도입하여, 체계적이고 구체적인 프롬프트가 의과 학생들의 심층 학습을 향상시키고 교사의 수업 효과를 높인다는 것을 입증한다. 인공지능 프롬프트 엔지니어링 원리를 인간 학습자에게 적용함으로써, 비판적 사고 능력 향상, 핵심 의료 분야에서의 이해력 향상, 교사와 학생 모두가 실천 가능한 실용적이고 경험 기반의 프레임워크를 제공한다.

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

연구 동기 및 목표

• 대규모 언어 모델에서 검증된 프롬프트 엔지니어링 원리를 의료 교육에 적용하여 학생의 학습 및 수업 성과를 향상시키는 것.
• 의과 학생들이 표면적인 이해에 머무르는 문제를 해결하기 위해 체계적인 프롬프트를 통해 심층적인 인지적 참여를 유도하는 것.
• 의료 커리큘럼에서 효과적인 프롬프트를 설계하기 위한 실용적이고 근거 기반의 프레임워크를 교사들에게 제공하는 것.
• 대규모 언어 모델에 효과적인 동일한 프롬프트 설계 원칙이 복잡한 의료 분야에서 인간 학습에도 향상된 성과를 이끌어낸다는 것을 입증하는 것.

제안 방법

• 대규모 언어 모델(예: ChatGPT, Google Bard)에서 검증된 프롬프트 엔지니어링 기법을 의료 교육 환경에 적응시키는 것.
• 프롬프트의 인지적 및 교육적 기능에 기반해 다양한 유형의 프롬프트를 설계하고 분류하는 것.
• 해부학, 생리학, 병리학, 약리학, 임상 기술 등 핵심 의료 분야에 프롬프트를 적용하는 것.
• 각 장에서 실제 사례와 핵심 요약을 제시하여 교사와 학생이 실질적으로 활용할 수 있도록 하는 것.
• 심층적 사고를 자극하기 위해 프롬프트 구성 시 명확성, 구체성, 인지적 지지 구조를 강조하는 것.
• 수정 및 적용을 반복하는 방식으로 교육 현장에서의 유효성을 검증하며, 학생의 참여도와 이해도 향상 결과를 문서화하는 것.

실험 결과

연구 질문

• RQ1 인공지능 프롬프트 엔지니어링 원리는 어떻게 효과적으로 의료 교육에서 인간 학습을 향상시키는 데 전이될 수 있는가?
• RQ2 어떤 종류의 프롬프트가 의과 학생들의 심층적 이해와 비판적 사고 능력을 가장 효과적으로 증진시키는가?
• RQ3 체계적인 프롬프트는 다양한 의료 분야에서 수업 성과를 어떻게 향상시키는가?
• RQ4 프롬프트 엔지니어링은 의료 학습자들이 임상 추론 및 문제 해결 능력을 어떻게 지원하는가?
• RQ5 교사들이 의료 교육에서 높은 영향력을 가진 프롬프트를 설계하기 위해 사용할 수 있는 실용적 프레임워크는 무엇인가?

주요 결과

• 대규모 언어 모델에서 높은 품질의 응답을 이끌어내는 명확하고 구체적이며 체계적인 프롬프트 원칙이 의과 학생들에서도 심층적 인지 처리와 이해도 향상으로 이어진다.
• 역할 기반, 단계별, 비유 기반 프롬프트와 같은 다양한 프롬프트 유형은 해부학, 생리학, 병리학, 약리학, 임상 추론 분야에서 학습을 촉진하는 데 고유한 장점을 보인다.
• 잘 설계된 프롬프트를 사용하는 교사들은 학생의 참여도 향상, 더 정확하고 종합적인 응답, 복잡한 의료 개념의 기억력 향상 등의 효과를 보고한다.
• 이 프레임워크는 초보자부터 숙련된 교사에 이르기까지 일관되고 근거 기반의 접근 방식을 통해 효과적인 학습 활동을 신속하게 개발할 수 있도록 한다.
• 각 장에 실질적인 사례와 핵심 요약을 포함시켜 실제 수업 및 학습 환경에서 즉각적인 적용 가능성을 보장한다.
• 학생들이 체계적인 탐구 과정을 따라가도록 안내함으로써 분석, 통합, 평가와 같은 고차원적 사고 능력의 발달을 지원한다.