00 CAMPUS ARISTÓTELES CALAZANS SIMÕES (CAMPUS A. C. SIMÕES) FAMED - FACULDADE DE MEDICINA Dissertações e Teses defendidas na UFAL - FAMED
Use este identificador para citar ou linkar para este item: https://www.repositorio.ufal.br/handle/123456789/18219
Tipo: Dissertação
Título: Aprendizagem baseada em problemas na tutoria do ensino de medicina: integrando o ChatGPT como ferramenta de suporte
Autor(es): Silva, Clodoaldo Lopes da
Primeiro Orientador: Fregadolli, Andrea Marques Vanderlei
metadata.dc.contributor.referee1: Bomfim, Ana Marlusia Alves
metadata.dc.contributor.referee2: Mendonca, Angela Maria Moreira Canuto
metadata.dc.contributor.referee3: Lima, Lucy Vieira da Silva
Resumo: Introdução: A Aprendizagem Baseada em Problemas (ABP) na tutoria do ensino de medicina que integra o ChatGPT como ferramenta de suporte representa uma evolução significativa no campo educacional, permitindo personalização da experiência de aprendizagem, feedbacks mais precisos, e adaptação do conteúdo às necessidades individuais dos discentes. Objetivo: Explorar como a IA pode ser integrada de forma eficaz no contexto educacional, visando aprimorar a experiência de aprendizagem dos discentes. Metodologia: A metodologia de mapeamento sistemático é uma abordagem de revisão sistemática que visa mapear artigos de pesquisa primária e secundária, com o objetivo de fornecer uma visão abrangente sobre um determinado campo de estudo. Essa metodologia é particularmente útil para identificar padrões, tendências, lacunas na pesquisa e áreas de maior ou menor exploração em uma determinada área do conhecimento. Ao contrário das revisões sistemáticas tradicionais, que buscam responder a perguntas específicas, o mapeamento sistemático tem como foco categorizar e classificar os estudos existentes, fornecendo uma visão panorâmica do estado atual da pesquisa. No artigo, utilizou-se a metodologia de mapeamento sistemático e descritivo, de natureza qualitativa, com o objetivo de identificar a eficácia do ChatGPT no ensino de medicina. Para a seleção dos artigos que seriam incluídos no mapeamento, foram definidos critérios de inclusão, palavras-chave e termos de busca. Os descritores escolhidos foram: ChatGPT (ChatGPT), Teaching (Ensino), Medicine (Medicina), Learning (Aprendizagem), Artificial Inteligence (Inteligencia Artificial), “Evaluation Studies as Topic” (Estudos de Avaliação como Assunto), “Educational Measurement” (Avaliação Educacional), e “Education, Medical, Undergraduate” (Educação de Graduação em Medicina). As buscas foram realizadas por meio de strings de busca, utilizando operadores booleanos (AND) e (OR), nas bibliotecas virtuais PubMed, Periódicos da CAPES, Wiley, BVS, SciELO e Science Direct, cruzando os descritores em português e inglês. As strings de busca utilizadas foram: Português: ChatGPT AND medicina AND (ensino OR aprendizagem OR avaliação); Inglês: ChatGPT AND medicine AND (teaching OR learning OR assessment). Após a aplicação das strings de busca, os artigos foram avaliados e classificados conforme os critérios de inclusão estabelecidos. Essa seleção permitiu a identificação de categorias temáticas emergentes, relacionadas ao uso do ChatGPT no ensino médico. Com base nas evidências coletadas, foi realizada uma sistematização que permitiu destacar as principais tendências e abordagens sobre a eficácia do ChatGPT como ferramenta pedagógica no ensino de medicina. O trabalho gerado oferece um verdadeiro passo a passo para explorar formas inovadoras de integrar tecnologias digitais no ensino, visando à melhoria das práticas pedagógicas no contexto médico. Assim, a pesquisa contribui com evidências científicas que podem orientar futuras investigações e práticas pedagógicas, ajudando a superar desafios no ensino e promovendo a inovação no uso de tecnologias educacionais. Resultados e discussão: A análise dos 50 artigos selecionados e das transcrições de interações com o ChatGPT, versão 3.5, a partir da análise de Bardin, revelou que a integração dessa tecnologia na tutoria da Aprendizagem Baseada em Problemas (ABP) no ensino de medicina trouxe avanços significativos. A adaptação à ferramenta não foi isenta de desafios, mas demonstrou a resiliência dos docentes e a capacidade de reinvenção das práticas pedagógicas. O uso do ChatGPT contribuiu para tornar o ensino mais dinâmico e colaborativo, promovendo maior autonomia aos discentes e facilitando a resolução de casos clínicos complexos. A tutoria evoluiu para um espaço interativo, onde a tecnologia e a humanização do ensino coexistem de forma produtiva, evidenciando o potencial transformador da ABP no contexto médico. A integração da ferramenta, portanto, não apenas superou as dificuldades, mas também abriu novas perspectivas para o futuro da educação médica. Estes estudos serviram como base para a criação do produto e-book APRENDIZAGEM BASEADA EM PROBLEMAS NA TUTORIA DO ENSINO DE MEDICINA: integrando o ChatGPT como ferramenta de suporte. Conclusão: A integração do ChatGPT como ferramenta de suporte na Aprendizagem Baseada em Problemas (ABP) no ensino de medicina mostrou-se uma estratégia promissora para enriquecer o processo educacional, oferecendo experiências de aprendizado personalizadas, interativas e eficazes. A análise dos estudos indicou que, apesar de seu grande potencial para aprimorar o ensino, o ChatGPT enfrenta desafios relacionados à precisão, confiabilidade e capacidade de raciocínio crítico, o que exige supervisão constante. Quando utilizado de maneira cuidadosa e ética, o ChatGPT pode ser um complemento valioso à formação médica, promovendo maior autonomia dos discentes e facilitando a resolução de casos clínicos complexos. No entanto, sua eficácia depende de uma integração equilibrada, que respeite a expertise humana e a supervisão educacional. A continuidade da pesquisa e a evolução da tecnologia são essenciais para maximizar os benefícios do ChatGPT no ensino médico, garantindo que ele seja um aliado na formação de profissionais de saúde competentes e éticos.
Abstract: Introduction: Problem-Based Learning (PBL) in medical education tutoring, integrating ChatGPT as a support tool, represents a significant evolution in the educational field. It enables personalized learning experiences, more precise feedback, and adapts content to individual student needs. Objective: To explore how AI can be effectively integrated into the educational context, aiming to enhance students' learning experiences. Methodology: The systematic mapping methodology is a systematic review approach designed to map primary and secondary research articles to provide a comprehensive overview of a specific field of study. This methodology is particularly useful for identifying patterns, trends, research gaps, and areas of greater or lesser exploration in a given knowledge domain. Unlike traditional systematic reviews, which aim to answer specific questions, systematic mapping focuses on categorizing and classifying existing studies, offering a broad overview of the current research landscape. In this study, a qualitative, systematic, and descriptive mapping methodology was employed to identify the effectiveness of ChatGPT in medical education. Inclusion criteria, keywords, and search terms were defined to select articles for mapping. The chosen descriptors were: ChatGPT (ChatGPT), Teaching, Medicine, Learning, Artificial Intelligence, "Evaluation Studies as Topic," "Educational Measurement," and "Education, Medical, Undergraduate." Searches were conducted using search strings and Boolean operators (AND, OR) in virtual libraries such as PubMed, CAPES Journals, Wiley, BVS, SciELO, and Science Direct, crossing descriptors in Portuguese and English. The search strings used were: Portuguese: ChatGPT AND medicina AND (ensino OR aprendizagem OR avaliação) end English: ChatGPT AND medicine AND (teaching OR learning OR assessment). After applying the search strings, the articles were evaluated and classified according to the established inclusion criteria. This selection identified emerging thematic categories related to the use of ChatGPT in medical education. Based on the collected evidence, a systematization was conducted to highlight the main trends and approaches regarding ChatGPT’s effectiveness as a pedagogical tool in medical education. The generated work provides a step-by-step guide for exploring innovative ways to integrate digital technologies into education, aiming to improve pedagogical practices in the medical context. Thus, the research contributes scientific evidence that can guide future investigations and educational practices, helping to overcome challenges in teaching and promoting innovation in the use of educational technologies. Results and Discussion: The analysis of 50 selected articles and transcriptions of interactions with ChatGPT version 3.5, based on Bardin's analysis, revealed that integrating this technology into Problem-Based Learning (PBL) tutoring in medical education brought significant advancements. Adapting to the tool was not without challenges but demonstrated the resilience of educators and their ability to reinvent pedagogical practices. ChatGPT made teaching more dynamic and collaborative, fostering greater student autonomy and facilitating the resolution of complex clinical cases. Tutoring evolved into an interactive space where technology and the humanization of education coexist productively, highlighting the transformative potential of PBL in medical education. The tool's integration not only overcame difficulties but also opened new perspectives for the future of medical education. These studies formed the basis for creating the e-book PROBLEM-BASED LEARNING IN MEDICAL EDUCATION TUTORING: Integrating ChatGPT as a Support Tool.Conclusion: Integrating ChatGPT as a support tool in Problem-Based Learning (PBL) in medical education has proven to be a promising strategy to enrich the educational process, offering personalized, interactive, and effective learning experiences. The study analysis indicated that despite its great potential to enhance teaching, ChatGPT faces challenges related to accuracy, reliability, and critical reasoning ability, requiring constant supervision. When used carefully and ethically, ChatGPT can be a valuable complement to medical education, promoting greater student autonomy and facilitating the resolution of complex clinical cases. However, its effectiveness depends on balanced integration, respecting human expertise and educational supervision. Continued research and technological evolution are essential to maximize the benefits of ChatGPT in medical education, ensuring it serves as an ally in forming competent and ethical healthcare professionals.
Palavras-chave: ChatGPT
Inteligência artificial
Medicina
Aprendizagem
Ensino
Artificial intelligence
Medicine
Learning
Teaching
CNPq: CNPQ::CIENCIAS DA SAUDE::MEDICINA
Idioma: por
País: Brasil
Editor: Universidade Federal de Alagoas
Sigla da Instituição: UFAL
metadata.dc.publisher.program: Programa de Pós-Graduação em Mestrado Profissional em Ensino na Saúde
Citação: SILVA, Clodoaldo Lopes da. Aprendizagem baseada em problemas na tutoria do ensino de medicina: integrando o ChatGPT como ferramenta de suporte. 2026. 119 f. Dissertação (Mestrado em Ensino na Saúde) — Programa de Pós-Graduação em Ensino na Saúde, Faculdade de Medicina, Universidade Federal de Alagoas, Maceió, 2024.
Tipo de Acesso: Acesso Aberto
URI: https://www.repositorio.ufal.br/handle/123456789/18219
Data do documento: 19-dez-2024
Aparece nas coleções:Dissertações e Teses defendidas na UFAL - FAMED

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Aprendizagem baseada em problemas na tutoria do ensino de medicina_integrando o ChatGPT como ferramenta de suporte.pdfAprendizagem baseada em problemas na tutoria do ensino de medicina: integrando o ChatGPT como ferramenta de suporte2.16 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.