解剖班最適化の論文公開

Human anatomy dissection serves as a cornerstone of medical education, fostering not only anatomical knowledge but also teamwork and professionalism. Given the considerable intellectual, physical, and emotional demands of dissection, effective team dynamics are essential for student success. To enhance learning experiences and academic outcomes, we developed the “Yukari method”—an automated system for optimizing anatomy dissection team assignments. This method uses a heuristic local search algorithm to maximize peer compatibility based on student peer preferences and motivation levels collected via a secure web survey. Compared to random and self-selected teams, those assigned using the Yukari method showed approximately a 10% improvement in academic performance. Student satisfaction with Yukari-assigned teams was significantly higher than with random assignment and comparable to self-selection. This increased satisfaction, in turn, correlated with better academic outcomes. These findings suggest that the Yukari method is effective in medical education and potentially useful in other team-based disciplines, such as engineering and social sciences.

医学教育において、人体解剖実習は基礎となる重要な学習です。これは解剖学の知識を深めるだけでなく、チームワークや専門職としての姿勢を育てる機会にもなります。解剖実習には知的・身体的・感情的に大きな負担が伴うため、チームの協調関係が学習の成否を左右します。私たちは学習効果と成績を向上させるために、解剖実習のチーム編成を自動で最適化する「ゆかり法（Yukari method）」を開発しました。この方法では、安全なウェブアンケートを通じて学生の希望するチームメイトや学習意欲を収集し、ヒューリスティック局所探索アルゴリズムを用いて「相性のよい組み合わせ」を最大化します。ランダム編成や学生自身によるチーム選択と比べて、ゆかり法で編成したチームは学業成績が約10％向上しました。さらに、学生の満足度もランダム編成より有意に高く、自主選択チームとほぼ同等でした。この高い満足度は、より良い成績とも関連していました。これらの結果から、ゆかり法は医学教育において有効であり、工学や社会科学など、他のチーム型学習にも応用できる可能性が示唆されます。（ChatGPTによる日本語訳）