Poäng för svaren av läkare och ChatGPT på specialistexamen i allmänmedicin
SND-ID: 2023-311. Version: 1. DOI: https://doi.org/10.5878/j8jh-5128
Ladda ner data
Tillhörande dokumentation
Ladda ner alla filer
Citering
Skapare/primärforskare
Rasmus Arvidsson - Göteborgs universitet, Institutionen för medicin, Avd för samhällsmedicin och folkhälsa
Ronny Gunnarsson - Göteborgs universitet, Institutionen för medicin, Avd för samhällsmedicin och folkhälsa
Artin Entezarjou - Göteborgs universitet, Institutionen för medicin, Avd för samhällsmedicin och folkhälsa
David Sundemo - Göteborgs universitet, Institutionen för medicin, Avd för samhällsmedicin och folkhälsa
Carl Wikberg - Göteborgs universitet, Institutionen för medicin, Avd för samhällsmedicin och folkhälsa
Forskningshuvudman
Göteborgs universitet - Institionen för medicin
Beskrivning
Poäng från noll till tio på fall från examina från åren 2017-2022. För mer information, se README.txt.
Data innefattar personuppgifter
Nej
Språk
Population
Anonyma svar från SFAM:s specialistexamen i allmänmedicin 2017-2022 och svar från ChatGPT på samma case.
Tidsdimension
Studiedesign
Observationsstudie
Beskrivning av studiedesign
ChatGPT:s poäng jämfördes med riktiga läkares poäng på fall från den svenska specialistexamen i allmänmedicin.
Urvalsmetod
2. Toppsvar, läkare - ett svar för varje fall som valts av examensgranskarna som exempel på ett mycket bra svar.
3. ChatGPT-svar - svar som givits av ChatGPT-4, versionen från 3 augusti 2023.
Tidsperiod(er) som undersökts
2017 – 2022
Dataformat / datastruktur
Geografisk utbredning
Geografisk plats: Sverige
Ansvarig institution/enhet
Institionen för medicin
Forskningsområde
Annan medicinteknik (Standard för svensk indelning av forskningsämnen 2011)
Allmänmedicin (Standard för svensk indelning av forskningsämnen 2011)
Övrig annan medicin och hälsovetenskap (Standard för svensk indelning av forskningsämnen 2011)
Nyckelord