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, ინტეგრირებას გაუადვილებს დიაგნოსტიკურ ინსტრუმენტებს, ადაპტაციურ მოდულებს და სასწავლო გეგმის შესაბამისობის სტრატეგიებს სწავლისა და ადაპტაციის ხელშესაწყობად. 
მოსალოდნელი შედეგები - პირველი კურსის ადაპტაციის გაუმჯობესება, STEM კონცეფციების დაუფლება, ფაკულტეტისა და სასწავლო გეგმის კომიტეტებისთვის ქმედითი ხედვები და დადასტურებული ხელოვნური ინტელექტით მხარდაჭერილი სასწავლო პლატფორმა. გარდა ამისა, პროექტი უზრუნველყოფს ხელშესახებ ინსტრუმენტებს როგორც საგანმანათლებლო ხარვეზების იდენტიფიცირებისთვის, ასევე მათ აღმოსაფხვრელად პერსონალიზებული, სტუდენტზე ორიენტირებული მასალების მეშვეობით, რომელთა გამოყენება შესაძლებელია მრავალფეროვან საგანმანათლებლო გარემოში ან პოტენციურად კომერციალიზებული იყოს სტარტაპ გადაწყვეტილებების სახით.
 

პროექტის მიზანი

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.

პროექტის ამოცანები

1. გააანალიზდეს მინიმუმ 4 საშუალო სკოლის და 2 უნივერსიტეტის სასწავლო გეგმა (2023/24 ან 2024/25 სასწავლო წელი) შერჩეული ქვეყნებიდან, რომელთა რეზიდენტებიც ყველაზე ხშირად არიან საქართველოში საერთაშორისო სამედიცინო სტუდენტების კოჰორტაში, რათა გამოვლინდეს სტრუქტურული და შინაარსობრივი ხარვეზები, რომლებიც გავლენას ახდენს საერთაშორისო პირველი წლის სამედიცინო სტუდენტების მზადყოფნაზე. ეს ანალიზი შექმნის მტკიცებულებების საფუძველს მიზნობრივი ინტერვენციებისა და პერსონალიზებული მხარდაჭერის ეკოსისტემის დიზაინის შესაქმნელად.
2. შედგეს სამედიცინო სასწავლო გეგმის სპირალური და მულტიდისციპლინური სტრუქტურირება, სკოლის დონის საგნებსა და უნივერსიტეტის მოდულებს შორის კავშირების ვიზუალიზაციით, 
3. 2024/25 სასწავლო წლისთვის BAU-ს უნივერსიტეტის პირველი კურსის კურსებსა და სულ მცირე ერთ სხვადასხვა სამედიცინო პროგრამაში STEM და კლინიკური შინაარსის ბალანსის შეფასება, იმ სფეროების იდენტიფიცირება, სადაც STEM-ის არასაკმარისმა მომზადებამ შეიძლება ხელი შეუშალოს სწავლის შედეგების მიღწევას 
4. სტუდენტთა ჯგუფზე (სულ მცირე 50 საერთაშორისო პირველკურსელი) ხელოვნური ინტელექტით მართული დიაგნოსტიკური სისტემის შექმნა და პილოტირება, რათა შეფასდეს ინდივიდუალური სტუდენტების STEM ცოდნის ხარვეზები ეროვნული სასწავლო გეგმის სტანდარტებთან მიმართებაში, რაც შესაძლებელს გახდის პერსონალიზებული ინტერვენციის დაგეგმვას.
5. ინტეგრირებული ბიოსამედიცინო კურსების ფარგლებში ჯგუფის (50 სტუდენტი) პროგრესის მონიტორინგი და თვალყურის დევნება მეორე სემესტრის განმავლობაში, ხელოვნური ინტელექტის ანალიტიკის გამოყენებით, რათა უზრუნველყოფილი იყოს ძირითადი კონცეფციების ათვისება და თითოეული სტუდენტისთვის სასწავლო გზების ადაპტური კორექტირება.
6. გამოვლენილი ხარვეზების აღმოსაფხვრელად, ჩართულობის ხელშეწყობისა და ეფექტური უნარების შეძენის მხარდასაჭერად, მოდულისა და სასწავლო გზის შემუშავება, შემდეგ კი მისი პილოტირება 25 სტუდენტისგან შემდგარ ორ სემინარულ ჯგუფში, შედარებისთვის იგივე ზომის საკონტროლო ჯგუფებით.
7. სტუდენტების მხარდაჭერის ინტეგრირებული ეკოსისტემისთვის მტკიცებულებებზე დაფუძნებული რეკომენდაციების ჩამოყალიბება, რომელიც მოიცავს სასწავლო გეგმის შესაბამისობას, დიაგნოსტიკურ შეფასებას, ხელოვნურ ინტელექტზე დაფუძნებულ მოდულებს, გეიმიფიკაციას და ადაპტურ სწავლების სტრატეგიებს, რათა გაუმჯობესდეს პირველი წლის ადაპტაცია და გრძელვადიანი აკადემიური შედეგები.
 

● შერჩეული ქვეყნების STEM სასწავლო გეგმებისა და სწავლის შედეგების კატალოგი, მათ შორის, სტრუქტურული და შინაარსობრივი ხარვეზების იდენტიფიცირება, რომლებიც გავლენას ახდენს საერთაშორისო პირველი კურსის სამედიცინო სტუდენტებზე.
● სტუდენტებთან და პედაგოგებთან ჩატარებული გამოკითხვებისა და ინტერვიუების ანგარიშები, რომლებიც ადასტურებენ STEM-ისთვის მომზადებისა და ადაპტაციის გამოწვევებში აღქმულ ხარვეზებს.
● სპირალური სამედიცინო სასწავლო გეგმების ვიზუალური რუკები, რომლებიც აკავშირებს სკოლის დონის საგნებს უნივერსიტეტის მოდულებთან.
● შეფასების ანგარიში STEM-სა და კლინიკურ შინაარსს შორის ბალანსის შესახებ BAU-ს პირველი კურსის კურსებსა და მინიმუმ ერთ დამატებით სამედიცინო პროგრამაში.
● MVP ხელოვნური ინტელექტით მართული დიაგნოსტიკური ჩატბოტი ინდივიდუალური STEM ცოდნის ხარვეზების შესაფასებლად.
● პერსონალიზებული მიკრომოდულების MVP ადაპტური სასწავლო გზებით და გეიმიფიკაციის ელემენტებით, რომლებიც აგვარებენ გამოვლენილ ხარვეზებს.
● დაფები და ანალიტიკური ინსტრუმენტები, რომლებიც აკონტროლებენ სტუდენტების პროგრესს, ძირითადი კონცეფციების ათვისებას და ადაპტურ სასწავლო ჩარევებს.
● პილოტური კვლევის ანგარიშები, მათ შორის კოჰორტის შესრულება, გამოყენებადობა, ჩართულობა და უკუკავშირი ხელოვნური ინტელექტით მართულ ჩარევებზე. 
● მტკიცებულებებზე დაფუძნებული რეკომენდაციები ხელოვნური ინტელექტით მხარდაჭერილი სტუდენტების მხარდაჭერის მოდულების მასშტაბირებადი ეკოსისტემისთვის.
● გავრცელების მასალები: მინიმუმ 2 კონფერენციის რეზიუმე, მინიმუმ 2 სამეცნიერო სტატია, სემინარი, პოლიტიკის მოკლე შინაარსი და ინსტიტუციური საკომუნიკაციო შინაარსი.
 

• სამედიცინო სტუდენტები. პერსონალიზებული ხელოვნური ინტელექტით მართული ინტერვენციები ხელს შეუწყობს სპირალურ და მულტიდისციპლინურ სასწავლო გეგმაში ნავიგაციის სირთულეების შემცირებას.

● უნივერსიტეტის პროფესორ-მასწავლებლები. სტუდენტების მომზადებისა და შესრულების შესახებ მონაცემებზე დაფუძნებულ ინფორმაციაზე წვდომა ხელს შეუწყობს სწავლების სტრატეგიების ადაპტაციას და სასწავლო რესურსების ინფორმირებულ განაწილებას.
● სამედიცინო პროგრამების ხელმძღვანელები, კურიკულუმის კომიტეტები. მტკიცებულებებზე დაფუძნებული რეკომენდაციები სასწავლო გეგმის დიზაინის გადაწყვეტილებების წარმართვისთვის, STEM-ისა და კლინიკური შინაარსის დაბალანსებისა და საერთაშორისო სტანდარტებთან შესაბამისობის უზრუნველყოფისთვის.
● საგანმანათლებლო სფეროს მკვლევარები და შეფასების სპეციალისტები. სტრუქტურირებული მონაცემთა ნაკრებების, დადასტურებული მეტრიკისა და ხელოვნური ინტელექტის ანალიტიკის ხელმისაწვდომობა სწავლის შედეგების შესაფასებლად და სასწავლო გეგმის შემუშავებისა და ინტერვენციის სტრატეგიების ინფორმირებისთვის.
● სხვა უნივერსიტეტები. შედარებითი მონაცემები და მასშტაბირებადი ინსტრუმენტები დანერგვისთვის, რაც ხელს უწყობს ხელოვნური ინტელექტით მხარდაჭერილი სტუდენტების დახმარების სისტემების უფრო ფართოდ დანერგვას.
● აკრედიტაციის ორგანოები. ემპირიული მტკიცებულებები და სტანდარტიზებული ანგარიშგება საერთაშორისო სამედიცინო განათლების სტანდარტებთან შესაბამისობის მხარდასაჭერად.
● პოლიტიკის შემქმნელები. ეფექტური ინტერვენციების, სასწავლო გეგმის დიზაინისა და ხელოვნური ინტელექტით მხარდაჭერის შესწავლა, რაც ხელს უწყობს ეროვნული განათლების სტანდარტებისა და დაფინანსების პრიორიტეტების ინფორმირებას.