MedGame：利用大型語言模型驅動敘事遊戲化技術進行醫學教育
arXiv - Human-Computer InteractionQian Wu, Xinrong Zhou, Zizhan Ma, Kai Chen, Zheyao Gao, Xun Lin, Hongqiu Wu, Longfei Gou, Yixiao Liu, Ann Sin Nga Lau, Qi Dou
開發 MedGame 框架，將靜態醫學案例轉化為具備決策路徑的互動式敘事遊戲，並透過大規模基準測試驗證其成效。
AI 幫你先抓重點
AI 重點 1
從「單點問答」轉向「決策路徑」的學習範式轉移
滑鼠懸停看 AI 判斷理由
過去的 AI 教育應用多集中於單次的問答或回饋，而 MedGame 透過結構化的敘事，將學習過程轉化為連續的決策鏈，這更符合臨床實務中需要綜合判斷的特性。
AI 重點 2
自動化生成複雜教學情境的技術可行性
滑鼠懸停看 AI 判斷理由
透過雙引擎架構解決了生成內容的一致性與邏輯依賴問題，這為大規模、低成本地產出高品質、情境化的 PBL 教學案例提供了技術路徑。
核心研究發現
- 1
MedGame 採用雙引擎設計，包含負責合成臨床情節的「醫學敘事設計師」與負責多模態調度的「故事導演」。
- 2
研究團隊建構了 MedGame Bench，包含 5,000 個案例的基準測試與評估協議，用於衡量敘事生成與故事導向能力。
- 3
實驗顯示，透過特定任務的微調，開源大型語言模型在 MedGame Bench 上的表現顯著提升，並縮小了與商業模型的差距。
- 4
初步學生研究顯示，學習者認為 MedGame 比起純文字教材更具吸引力且更有助於學習。
對教育工作者的啟發
教育設計者應思考如何將靜態的知識點轉化為「決策驅動」的情境。MedGame 的成功在於它不只是提供資訊，而是創造一個讓學生必須在特定情境下做出選擇並承擔後果的模擬環境。實務上，可以利用 LLM 的生成能力，將傳統的案例研究（Case Study）升級為互動式遊戲，透過建立「情境—決策—後果」的循環，強化學生的批判性思考與臨床判斷力，而非僅僅是記憶醫學知識。
原始文獻資訊
- 英文標題：
- MedGame: Storytelling Gamification Empowered by Large Language Models for Medical Education
- 作者：
- Qian Wu, Xinrong Zhou, Zizhan Ma, Kai Chen, Zheyao Gao, Xun Lin, Hongqiu Wu, Longfei Gou, Yixiao Liu, Ann Sin Nga Lau, Qi Dou
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
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。