Conoscenza percepita, atteggiamento e pratica dell’intelligenza artificiale tra gli studenti di medicina nel Guangxi: uno studio trasversale

Lo studio adotta un disegno trasversale rigoroso, somministrando questionari basati su scale Likert a 5 punti a un campione rappresentativo di 894 studenti di medicina presso due istituzioni del Guangxi. L'utilizzo della regressione quantilica (τ=0,5) rappresenta una scelta metodologica sofisticata, permettendo l'identificazione di fattori associati non solo alla media ma all'intera distribuzione dei punteggi KAP, offrendo una prospettiva più completa rispetto alla semplice regressione ordinaria. I dati numerici rivelano discrepanze significative: mentre la conoscenza percepita (13,36/20) e l'atteggiamento (38,49/50) si collocano in range moderati, la pratica risulta notevolmente bassa (15,40/30), con il maggiore utilizzo concentrato nella preparazione agli esami (2,40/4). Questo divario Knowledge-Attitude-Practice gap rappresenta un fenomeno ben documentato nell'educazione medica, dove atteggiamenti positivi non necessariamente si traducono in comportamenti concreti. Le variabili sociodemografiche emergenti (genere, anno accademico, contesto urbano/rurale) suggeriscono disuguaglianze nell'accesso educativo. La mancanza di una correlazione univoca tra genere e tutte le dimensioni KAP riflette evoluzioni nei pari opportunità di accesso all'istruzione scientifica. Nel contesto della letteratura internazionale, questo studio si distingue per l'attenzione alle istituzioni rurali, spesso sottorappresentate negli studi sull'IA in medicina. Le barriere strutturali identificate (limitatezza di risorse didattiche specializzate, insufficiente integrazione curricolare) specchiano sfide comuni nei sistemi educativi emergenti. Le proposte di intervento—moduli integrati, materiali open-access, formazione docenti—rappresentano approcci basati su evidenza per colmare il gap conoscenza-pratica, particolarmente rilevante per le istituzioni con risorse limitate.