პირველი კურსის სამედიცინო სტუდენტები სურთ ეფექტურად მოერგონ უნივერსიტეტის სწავლას, დაეუფლონ ძირითად სამედიცინო დისციპლინებს და მიაღწიონ მოსალოდნელ სასწავლო შედეგებს. თუმცა, სტუდენტების წინაშე მდგარი ერთ-ერთი მთავარი დაბრკოლება დაკავშირებულია სკოლისა და უნივერსიტეტის სასწავლო მოდელებს შორის არსებულ ხარვეზებთან, მიწოდების მეთოდების განსხვავებებთან, წინასწარი მომზადებისა და სწავლის უნარების ვარიაციებთან და კურსის არაბალანსირებულ სტრუქტურასთან.

პროექტის მიზანია გამოიყენოს თანამედროვე EdTech მიდგომები ამ ხარვეზების სისტემატურად გამოსავლენად შერჩეული ქვეყნების საშუალო სკოლებისა და უნივერსიტეტების სასწავლო პროგრამების ანალიზით, სამედიცინო პროგრამების სპირალური სტრუქტურის შედგენით და სტუდენტებთან და პედაგოგებთან გამოკითხვებისა და ინტერვიუების მეშვეობით დასკვნების დადასტურებით. ძირითადი აქტივობები მოიცავს ხელოვნური ინტელექტით მართული დიაგნოსტიკური სისტემის შემუშავებას STEM ცოდნის ინდივიდუალური ხარვეზების შესაფასებლად, პერსონალიზებული მიკრომოდულების პილოტირებას გეიმიფიკაციის ელემენტებით და სტუდენტების პროგრესის მონიტორინგს ცოდნის ხარვეზების შევსების შემდეგ დამატებითი პერსონალიზებული საგანმანათლებლო მასალებით AI ანალიტიკის საშუალებით.

ეს აქტივობები შექმნის დამხმარე ეკოსისტემას პირველი კურსის სამედიცინო სტუდენტებისთვის. მოსალოდნელი შედეგები — პირველი კურსის ადაპტაციის გაუმჯობესება, STEM კონცეფციების დაუფლება, ფაკულტეტისა და სასწავლო გეგმის კომიტეტებისთვის ქმედითი ხედვები და დადასტურებული ხელოვნური ინტელექტით მხარდაჭერილი სასწავლო პლატფორმა.

სამედიცინო განათლებაში STEM ძირითადი ცოდნის გაუმჯობესებული შესწავლა და დაუფლება, მხარდაჭერილი პერსონალიზებული და ხელოვნური ინტელექტით მართული ინტერვენციების მტკიცებულებებზე დაფუძნებული ეკოსისტემით, რაც უზრუნველყოფს პირველი წლის წარმატებით ადაპტაციას და ინტეგრაციას თანამედროვე სამედიცინო სასწავლო გეგმებში.

1. გააანალიზდეს მინიმუმ 4 საშუალო სკოლის და 2 უნივერსიტეტის სასწავლო გეგმა შერჩეული ქვეყნებიდან, რათა გამოვლინდეს სტრუქტურული და შინაარსობრივი ხარვეზები.
2. შედგეს სამედიცინო სასწავლო გეგმის სპირალური და მულტიდისციპლინური სტრუქტურირება.
3. BAU-ს პირველი კურსის კურსებში STEM და კლინიკური შინაარსის ბალანსის შეფასება.
4. სტუდენტთა ჯგუფზე (სულ მცირე 50) AI-ით მართული დიაგნოსტიკური სისტემის შექმნა და პილოტირება.
5. ჯგუფის (50 სტუდენტი) პროგრესის მონიტორინგი AI ანალიტიკის გამოყენებით.
6. მოდულისა და სასწავლო გზის პილოტირება 25 სტუდენტისგან შემდგარ ორ სემინარულ ჯგუფში.
7. მტკიცებულებებზე დაფუძნებული რეკომენდაციების ჩამოყალიბება სტუდენტების მხარდაჭერის ეკოსისტემისთვის.

• შერჩეული ქვეყნების STEM სასწავლო გეგმებისა და სწავლის შედეგების კატალოგი
• გამოკითხვებისა და ინტერვიუების ანგარიშები
• სპირალური სამედიცინო სასწავლო გეგმების ვიზუალური რუკები
• MVP AI დიაგნოსტიკური ჩატბოტი და პერსონალიზებული მიკრომოდულები
• პილოტური კვლევის ანგარიშები და მტკიცებულებებზე დაფუძნებული რეკომენდაციები
• მინიმუმ 2 კონფერენციის რეზიუმე და მინიმუმ 2 სამეცნიერო სტატია

სამედიცინო სტუდენტები
პერსონალიზებული AI-ით მართული ინტერვენციები ხელს შეუწყობს სასწავლო გეგმაში ნავიგაციის სირთულეების შემცირებას.

პროფესორ-მასწავლებლები
მონაცემებზე დაფუძნებული ინფორმაცია სწავლების სტრატეგიების ადაპტაციისთვის.

კურიკულუმის კომიტეტები
მტკიცებულებებზე დაფუძნებული რეკომენდაციები სასწავლო გეგმის დიზაინისთვის.

სხვა უნივერსიტეტები
შედარებითი მონაცემები და მასშტაბირებადი ინსტრუმენტები დანერგვისთვის.