村岡 千種

生成AI（Artificial Intelligence）技術が急速に普及しつつある．本研究では薬学部における生成AIの利用環境を明らかにすることを目的に，2024年2月時点の薬学部を有する大学（79学部）のWebサイトを対象に「生成AIに関する通知」の公開状況，内容，特徴を調査した．合わせて数理・データサイエンス・AI教育プログラム認定制度（Mathematics, Data science and AI Smart Higher education: MDASH）と生成AIに関する通知の有無の関係を検討した．Webサイト上の公開情報を調査した結果，生成AIに関する通知を公開している大学は64.5%であった．通知は，注意喚起型，使用前提通知型，制限・禁止事項通達型の3形式に分類された．制限・禁止事項通達型では，教育への悪影響への言及が他に比べて多い傾向にあった．MDASH認定を受けている大学は56.9%，MDASHの認定を受けておらず，生成AIに関する通知も公開していない大学は20.2%であった．生成AIの倫理的利用や教育への統合が課題であり，教員間の情報共有や指針策定の推進が継続的に求められる．

2020年はCOVID-19により，多くの学会大会が誌上／オンライン開催を余儀なくされた．日本医学教育学会でも，学会大会は誌上開催となった．一方，医学系の各大学では講義，実習，試験の運用方法などの問題に直面していた．このような背景から，医学教育サイバーシンポジウム特別委員会により，情報共有や意見交換の「場」として医学教育サイバーシンポジウムが開催された．この特徴として，「約2週間での迅速な準備」「情報共有や議論，オンラインツール体験できるFDとしての場」などがある．この結果，従来は困難であったシンポジウムや情報交流がオンラインでも可能になった．また，教育専用の資材ではなく，より一般的なツールを利用し，安価に，誰でもできる環境が構築された．オンラインミーティングを魅力的にし，質を担保し，参加者にとって有意義な時間とするには，情報・科学技術を活用できる資質とともに「場」を作る力が求められる．

<p> 脱出ゲーム（Escape Room, 以下ER）は，１人ないしはグループで，制限時間内に与えられた「謎」を解き，最終的なゴールを目指すゲームである．近年，教育における活用事例も増えている．中でも医療教育に焦点を当てた場合のER 活用の特徴や課題はどのようなものか．本研究では，ER の医療教育への活用に関する文献を，対象者や内容，学習目標や評価方法に着目してレビューした．この結果，医療シミュレーションを導入して知識・技能・態度を統合的に学習可能としたり，QR コードなどのICT を活用してER を運営したりするなどの特徴があった．一方，課題として，設計・運用にかかる諸コストのほか，教材として用いる際の学習目標や評価方法の設定などが挙げられた．医療教育に活用できるER を開発するに際は，こうした課題を解決していく必要がある． </p>

<p> 本稿は, 岐阜大学で取り組んだ, 多施設による多職種連携教育課外セミナーの報告である. まだ報告事例が少ない領域であるので, 3年間の経験と成果を, 参加学生や教員からのアンケートをもとにまとめた.</p>

実践的医療者教育において重要な役割を担う模擬患者(以下、SP)のストレス状態を包括的に測定する模擬患者用ストレス調査票(以下、SPSSQ)を開発し、信頼性・妥当性を検証した。対象は、成人SP 401名(回収率68.2%、有効回答率87.6%)で、無記名質問紙による郵送法で実施した。ストレス要因は、6因子構造からなる43項目(バリマックス回転)が抽出され、α信頼性係数0.926、累積寄与率48.14%、SRS-18(鈴木 他 1997)との相関係数0.20〜0.40(p < 0.0001)、GFI = 0.873、AGFI = 0.845、RMSEA = 0.058であった。ストレス反応(プロマックス回転)は、3因子17 項目が抽出され、α信頼性係数0.844、累積寄与率42.99%、因子相関行列0.295〜0.567(p < 0.0001)、SRS-18との相関係数0.40〜0.85(p < 0.0001)、GFI = 0.903、AGFI= 0.868、RMSEA = 0.071であった。以上より、モデルの適合度に若干の課題はあるものの、SPSSQの適用可能性が確認された。