MedEasy：設計 AI 標準化病患以提升臨床諮詢訓練
arXiv - Human-Computer InteractionZhiqi Gao, Huarui Luo, Guo Zhu, Bingquan Zhang, Dongyijie Primo Pan, Yizhan Feng, Jiahuan Pei, Jie Li, Benyou Wang
MedEasy 透過多代理 AI 病患模擬，提供連結式臨床諮詢訓練，並提出設計原則。
AI 幫你先抓重點
AI 重點 1
AI 多代理系統可實現連續、可追蹤的臨床諮詢練習。
滑鼠懸停看 AI 判斷理由
此設計讓學習者在模擬環境中即時獲得動作結果與回饋，促進情境化學習與客觀評量，突破傳統單一角色模擬的限制。
AI 重點 2
設計 AI 標準化病患時，必須明確定義可執行動作與回饋標準，避免學習者困惑。
滑鼠懸停看 AI 判斷理由
若動作選項不完整或回饋不具體，學習者難以判斷案例一致性，影響學習動機與成效，故設計時需以案例特定標準為依據。
核心研究發現
- 1
在12名臨床學生的訪談與三場共設計工作坊中，研究者提煉出階段化工作流程、結構化案例記錄、動作依賴發現與軌跡式回顧。
- 2
另一12名學生在兩個對照案例中使用 MedEasy，認為其為連結式諮詢環境，並透過病患回應、檢查結果、可用動作與回饋共同判斷案例一致性。
- 3
學習者讚賞可重複練習與錄製回顧，但對缺失動作與回饋標準的模糊性提出質疑。
對教育工作者的啟發
實務教育工作者可採用多代理 AI 病患模擬，先設計階段化工作流程與結構化案例記錄，確保每個動作都有明確結果與回饋；再提供可重複練習與錄製回顧功能，讓學習者在情境中進行自我監控與反思；最後在設計時明確列出所有可執行動作與回饋標準，避免學習者因選項缺失或回饋模糊而產生困惑，提升訓練效能。
原始文獻資訊
- 英文標題：
- MedEasy: Designing AI Standardized Patients for Clinical Consultation Training
- 作者：
- Zhiqi Gao, Huarui Luo, Guo Zhu, Bingquan Zhang, Dongyijie Primo Pan, Yizhan Feng, Jiahuan Pei, Jie Li, Benyou Wang
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。