《“团鉴”：支持医疗仿真培训中团队反思讨论的多模态学习分析系统》

《“团鉴”：支持医疗仿真培训中团队反思讨论的多模态学习分析系统》一文探讨了人工智能（AI）驱动的多模态学习分析系统“团鉴”在医疗仿真教育培训中的应用。该系统旨在通过捕捉语音、文本转录、位置、身体朝向等多模态数据，为医疗团队的仿真培训后的反思性讨论提供数据支持，从而提升护理学员们的团队合作与沟通能力。

研究背景与目的

医疗仿真是培养医护人员团队合作和临床技能的重要方法，通过模拟真实场景，学员可以在无风险环境中练习技能并通过反思性讨论加深学习。然而，传统的讨论依赖教师的记忆和观察，容易遗漏关键细节，如团队动态或沟通模式。而视频回放虽能提供证据支持，但其分析复杂、耗时且可能分散注意力，其效果高度依赖教师的注释能力，这便限制了其在反思讨论中的广泛应用及深度和效率。近年来，AI和多模态学习分析技术的进步为捕捉团队行为提供了新机会，但现有研究多集中于理论探索，缺乏在真实教育培训场景中的应用验证。“团鉴”系统的应运而生，旨在通过AI技术生成实时数据可视化，辅助教师在讨论中提供客观证据，支持更有效的反思。

系统设计与功能

“团鉴”的核心目标是通过数据驱动的分析增强和优化医疗仿真训练的反思环节。其设计基于人本中心原则，通过与教师的多轮协作工作坊迭代开发。该系统利用先进的传感技术、多模式学习分析和人工智能技术，收集并分析来自模拟场景中的多模态数据，包括语音、自动转录、身体旋转和位置数据。“团鉴”为教师提供了一个用户友好的仪表盘，该仪表盘提供关于团队优先级、团队合作和沟通策略的实时可视化数据，以指导仿真培训后的反思讨论。

系统的核心功能包括：

●多模态数据采集: 系统捕捉语音数据、自动转录文本、身体旋转和位置数据。

●AI驱动分析: 人工智能算法分析团队动态，识别关键沟通模式和行为。

●交互式仪表盘: 教师可以通过仪表盘过滤和定制数据可视化，以适应其教学方法。

●灵活的反思支持: 系统允许教师在反思讨论中选择和导航数据，并与学生共享相关可视化信息。

系统包含三个主要视图：标记和注释视图（用于仿真培训期间实时标记关键事件）、反思控制视图（用于在反思讨论期间管理和选择数据）和共享屏幕视图（用于与学生共享选定的可视化信息）。

实地研究

研究人员在澳大利亚蒙纳士大学护理专业三年级课程中进行了一项实地研究，56个团队（221名学生）参与了该研究。研究人员收集了多模态数据和实时注释，并对6位教师在反思讨论中的互动进行了录音。此外，研究人员还对15名学生和5位教师进行了访谈，以了解他们对“团鉴”的实用性、准确性和可信度的看法。

数据分析包括对教师互动数据和反思讨论转录的定性分析，以及对学员和教师访谈的主题分析。

研究结果

研究结果表明，“团鉴”能够支持灵活的反思讨论，并突出使用AI系统在医疗仿真培训中的挑战和意义。

●反思策略: 教师们采用了多种策略来使用“团鉴”，从关注模拟的特定阶段到动态地比较多个阶段。

●可视化使用: 沟通网络和社会图谱是教师最常用的可视化工具，用于讨论沟通策略和团队动态。优先级图表和病房地图的组合则用于讨论任务分配和团队协调。

●反思主题: 反思讨论的主题包括沟通策略、团队动态、患者护理、任务管理和协调。

●教师的看法: 教师们普遍认为“团鉴”能够改善反思讨论的结构和重点，并提供数据支持的反馈。然而，他们也指出了一些挑战，例如对技术的熟悉程度和数据可视化与观察到的行为之间存在差异。

●学生和教师的感知: 学生和教师普遍认为“团鉴”中的病房地图和社会图谱是比较有用和可靠的可视化工具。然而，沟通网络的可视化效果则褒贬不一，一些学生和教师认为其缺乏细节和上下文信息。

讨论与结论

“团鉴”展示了AI系统在医疗教育中的潜力，通过数据驱动的反思支持团队技能发展。该系统超越了传统视频工具的局限，提供更高效、客观的讨论支持，促进学生对团队动态和沟通策略的深入理解，同时减少学生压力。此外，本研究还强调了人本设计在开发此类系统中的重要性，以及持续用户反馈对于优化系统功能的必要性。然而，研究也揭示了AI系统在教育中的挑战，如数据隐私、教师需求和算法透明性问题。文章建议未来研究应关注长期应用对学员技能发展的效果、跨场景适应性，以及如何提升师生对AI系统的信任。