Comparison of AI-generated and human-made animated videos for medical education: experts and students preferred AI over humans
Resumen
Objetivo: Este estudio comparó a estudiantes de medicina y expertos, y evaluó un disparador de aprendizaje basado en problemas (ABP) generado por IA de fotogramas a vídeo contra su homólogo animado hecho por humanos con escenas coincidentes en términos de evaluaciones y preferencias. Diseño del estudio: Se realizó un estudio de métodos mixtos en una facultad de medicina. Se utilizaron dos vídeos con escenas coincidentes: un vídeo generado por IA y un vídeo animado (creado por humanos). Los estudiantes (n210; años 2-5) vieron ambos vídeos en orden contrabalanceado y calificaron ocho elementos Likert de 5 puntos para cada uno; también indicaron su vídeo preferido para la participación, el impacto emocional y el uso del ABP. Un panel multidisciplinario de expertos (n=104) evaluó solo el vídeo de IA en elementos comparables y proporcionó comentarios abiertos. Las pruebas U de Mann-Whitney compararon a expertos con estudiantes en el vídeo de IA; las pruebas de rangos con signo de Wilcoxon compararon las calificaciones de los estudiantes en los distintos vídeos. Los datos cualitativos se sometieron a análisis temático. Resultados: Los estudiantes calificaron el video generado por IA significativamente más alto que el video animado en los ocho ítems (todos p≤.026) y lo prefirieron por su engagement (83.8%), impacto emocional (81.0%) y uso de PBL (79.0%). Las calificaciones de los expertos del video de IA también fueron altas y superaron las calificaciones de los estudiantes en calidad visual, evitación de distracciones y consistencia visual (p≤.001). Los temas cualitativos destacaron el realismo, la idoneidad para sesiones de PBL y un fuerte engagement, mientras que las mejoras sugeridas incluyeron microcontinuidad, pronunciación y lenguaje corporal. Conclusión: Dentro del contexto de PBL, un flujo de trabajo de IA de cuadros a video produjo un disparador completamente sintético que fue preferido por los estudiantes y avalado por los expertos. Los disparadores generados por IA parecen factibles, aceptables y educativamente prometedores, siempre que se preste atención a la continuidad audiovisual de grano fino y a las señales de comunicación.
Descargas
Métricas
-
Resumen91
-
pdf 108
Citas
Davis MH, Harden RM. AMEE Medical Education Guide No. 15: Problem-based learning: a practical guide. Medical Teacher. 1999, 21, 130–40. doi: 10.1080/01421599979743
Basu Roy R, McMahon GT. Video‐based cases disrupt deep critical thinking in problem‐based learning. Medical Education. 2012, 46, 426–35. doi: 10.1111/j.1365-2923.2011.04197.x
De Leng B, Dolmans D, Van De Wiel M, et al. How video cases should be used as authentic stimuli in problem-based medical education. Med Educ. 2007, 41, 181–8. doi: 10.1111/j.1365-2929.2006.02671.x
Chan LK, Patil NG, Chen JY, et al. Advantages of video trigger in problem-based learning. Medical Teacher. 2010, 32, 760–5. doi: 10.3109/01421591003686260
Budakoğlu Iİ, Coşkun Ö, Özeke V. e-PBL with multimedia animations: a design-based research. BMC Med Educ. 2023, 23, 338. doi: 10.1186/s12909-023-04298-x
Dağcı M, Dost A, Çam F. Potential Impacts of AI-Generated Videos on Nursing Care. Nurse Educator. 2025, 50(5), E254-E258, doi: 10.1097/NNE.0000000000001880
Liu Y, Zhang K, Li Y, et al. Sora: A Review on Background, Technology, Limitations, and Opportunities of Large Vision Models. 2024, https://doi.org/10.48550/arXiv.2402.17177
Waisberg E, Ong J, Masalkhi M, et al. Concerns with OpenAI’s Sora in Medicine. Ann Biomed Eng. 2024, 52, 1932–4. doi: 10.1007/s10439-024-03505-0
Contreras I, Hossfeld S, De Boer K, et al. Revolutionising Faculty Development and Continuing Medical Education Through AI-Generated Videos. Journal of CME. 2024, 13, 2434322. doi: 10.1080/28338073.2024.2434322
Shu J, Kou H, Zhang J, et al. AI-Generated Instructional Videos: A Systematic Review of Learning Impacts, Applications, and Research Perspectives. 2025 7th International Conference on Computer Science and Technologies in Education (CSTE). Wuhan, China: IEEE 2025:877–81. 10.1109/CSTE64638.2025.11091997
Netland T, Von Dzengelevski O, Tesch K, et al. Comparing human-made and AI-generated teaching videos: An experimental study on learning effects. Computers & Education. 2025, 224, 105164. doi: 10.1016/j.compedu.2024.105164
Lawson McLean A, Gutiérrez Pineda F. Application of transformer architectures in generative video modeling for neurosurgical education. Int J CARS. 2024, 20, 797–805. doi: 10.1007/s11548-024-03266-0
Yeung JWY, Tang FWK, Cheng HY. Tips for Incorporating AI-Generated Video in Disaster Nursing Education. Nurse Educator. 2025, 50, E151–E151. doi: 10.1097/NNE.0000000000001840
Chan MMK, Wan AWH, Cheung DSK, et al. Integration of Artificial Intelligence in Nursing Simulation Education: A Scoping Review. Nurse Educator. 2025, 50, 195–200. doi: 10.1097/NNE.0000000000001851
Sardesai N, Russo P, Martin J, et al. Utilizing generative conversational artificial intelligence to create simulated patient encounters: a pilot study for anaesthesia training. Postgraduate Medical Journal. 2024, 100, 237–41. doi: 10.1093/postmj/qgad137
Kiger ME, Varpio L. Thematic analysis of qualitative data: AMEE Guide No. 131. Medical Teacher. 2020, 42, 846–54. doi: 10.1080/0142159X.2020.1755030
Leppink J. Data analysis: more expensive does not imply better. Rev Esp Edu Med. 2022, 3. doi: 10.6018/edumed.516731
Arkün-Kocadere S, Çağlar Özhan Ş. Video Lectures With AI-Generated Instructors: Low Video Engagement, Same Performance as Human Instructors. IRRODL. 2024, 25:350–69. doi: 10.19173/irrodl.v25i3.7815
Masters K. Medical Teacher ’s first ChatGPT’s referencing hallucinations: Lessons for editors, reviewers, and teachers. Medical Teacher, 2023; 45, 673–5. doi: 10.1080/0142159X.2023.2208731
Derechos de autor 2025 Servicio de Publicaciones de la Universidad de Murcia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Las obras que se publican en esta revista están sujetas a los siguientes términos:
1. El Servicio de Publicaciones de la Universidad de Murcia (la editorial) conserva los derechos patrimoniales (copyright) de las obras publicadas y favorece y permite la reutilización de las mismas bajo la licencia de uso indicada en el punto 2.
© Servicio de Publicaciones, Universidad de Murcia
2. Las obras se publican bajo una licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0.
3. Condiciones de auto-archivo. Se permite y se anima a los autores a difundir electrónicamente las versiones preprint (versión antes de ser evaluada y enviada a la revista) y/o post-print (versión evaluada y aceptada para su publicación) de sus obras antes de su publicación, ya que favorece su circulación y difusión más temprana y con ello un posible aumento en su citación y alcance entre la comunidad académica.
