ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Background: Artificial Intelligence (AI) is increasingly integrated into preclinical medical education. Despite rapid adoption, comparative data on student satisfaction, perceptions, learning preferences, and academic outcomes remain limited. This study aimed to evaluate these outcomes among preclinical medical students. Methods: A cross-sectional study was conducted among preclinical medical students at Phramongkutklao College of Medicine, Bangkok, Thailand (June 2024–May 2025). A validated questionnaire was administered. Academic performance was measured by cumulative grade point average (GPAX) and stratified by AI usage intensity: more-AI-using (>5 h/week) and less-AI-using (≤5 h/week). Statistical analyses included the Wilcoxon signed-rank test and an independent t-test (p < 0.05). Results: A total of 220 students completed the questionnaire (Year 2: 44.1%; male: 55.9%; mean age: 19.4 ± 1.6 years). 90.9% had previously used AI tools in preclinical studies, most commonly for 3–5 hours per week. Expert-led instruction was rated significantly higher than AI for effectiveness, preclinical confidence, clinical readiness, and overall satisfaction. 90.5% preferred expert-led instruction as the primary modality; however, 87.7% endorsed an integrated AI–expert framework (concurrent or AI after expert). Despite 93.6% of students reporting that AI positively impacted their learning outcomes and 82.7% reporting improved problem-solving skills, GPAX did not differ significantly between the more AI-using (>5 hours/week, 3.21 ± 0.64) and less AI-using (≤5 hours/week, 3.27 ± 0.56) groups (p = 0.100). Conclusion: Preclinical medical students used AI tools extensively but rated expert-led instruction higher in terms of overall satisfaction. No significant association was found between self-reported AI-use intensity and academic performance. Students favored a blended model that positions AI as a complement to expert-led instruction. These findings support incorporating AI literacy and ethics into preclinical curricula while preserving the strengths of expert-led instruction.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 81/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Artificial Intelligence in Healthcare and Education · Clinical Reasoning and Diagnostic Skills · AI in cancer detection
บทบาทของนักวิจัยและสถาบันไทย
Pitchaporn Cheevaidsarakul · Nawachai Lertvivatpong · Phramongkutklao Hospital
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง