Application of large language models in oral health education: a review of the literature.
Background: The recent emergence of artificial intelligence and large language models (LLMs) has caused educators to be cautious about applying these technologies in education. This narrative review explores the current literature to identify the existing applications of LLMs in dental and dental hy...
| Publicado en: | Canadian Journal of Dental Hygiene Vol. 59; no. 3; pp. 194 - 206 |
|---|---|
| Autores principales: | , |
| Formato: | pictorial review tables/charts Journal Article |
| Publicado: |
Canadian Dental Hygienists Association
Oct2025
|
| Acceso en línea: | Ver este registro en EBSCOhost |
| Sumario: | Background: The recent emergence of artificial intelligence and large language models (LLMs) has caused educators to be cautious about applying these technologies in education. This narrative review explores the current literature to identify the existing applications of LLMs in dental and dental hygiene education. Methods: An extensive literature search in PubMed, CINAHL Plus, and Education Research Complete was conducted. The search string was (((Large language model) OR (Chatbot)) OR (ChatGPT)) AND (Dental education)). Primary research articles published in English and relevant to the research questions were included. Articles were screened by title and then by full-text review. Data were extracted from the eligible studies. Results: After 2 rounds of screening, 28 articles were selected for review. The LLMs used in the studies were ChatGPT versions 3, 3.5, 4, 4o, 4V; Bing Chat; Bard; Gemini; Copilot; Llama 2; Claude3-Opus and custom chatbots developed by the authors. Data analysis revealed 2 major themes in the research: 1) the performance of LLMs on standardized exams and 2) LLMs as teaching tools. Discussion: Many studies reported that LLMs can pass high-stakes dental exams, raising concerns about current assessment methods. However, findings that LLMs perform poorly in critically appraising literature and interpretation-type questions are insightful for educators when designing new assignments and assessment plans for dental and dental hygiene students. Conclusion: LLMs are rapidly developing as artificial intelligence advances. Repeated studies are needed to assess the impact of LLMs on teaching, learning, and assessment experiences. Contexte : L'émergence récente de l'intelligence artificielle et des grands modèles linguistiques (GML) a poussé les éducateurs à se montrer prudents quant à l'application de ces technologies dans le domaine de l'enseignement. Cette revue narrative explore la documentation actuelle pour déterminer les applications existantes des GML dans l'enseignement dentaire et la formation en hygiène dentaire. Méthodes : Une recherche documentaire approfondie a été menée dans PubMed, CINAHL Plus et Education Research Complete. La chaîne de recherche était « (((Large language model) OR (Chatbot)) OR (ChatGPT)) AND (Dental education)) ». Les principaux articles de recherche publiés en anglais et pertinents aux questions de recherche ont été inclus. Les articles ont été sélectionnés par titre, puis par analyse du texte intégral. Les données ont été extraites des études admissibles. Résultats : Après 2 rondes de présélection, 28 articles ont été inclus dans l'analyse. Les GML utilisés dans les études étaient ChatGPT versions 3, 3.5, 4, 4 o, 4V; Bing Chat; Bard; Gemini; Copilot; Llama 2; Claude3-Opus et des agents conversationnels personnalisés développés par les auteurs. L'analyse des données a révélé 2 grands thèmes de la recherche : 1) le rendement des GML aux examens normalisés et 2) les GML comme outils d'enseignement. Discussion : De nombreuses études ont révélé que les GML peuvent réussir des examens dentaires à enjeux élevés, ce qui soulève des préoccupations au sujet des méthodes d'évaluation actuelles. Toutefois, les constatations selon lesquelles les GML obtiennent de mauvais résultats dans l'évaluation critique de la documentation et des questions exigeant une interprétation sont pertinentes pour les formateurs lorsqu'ils conçoivent de nouveaux travaux et plans d'évaluation pour les étudiants en médecine dentaire et en hygiène dentaire. Conclusion : Les GML se développent rapidement à mesure que l'intelligence artificielle progresse. Des études répétées sont nécessaires pour évaluer l'incidence des GML sur l'enseignement, l'apprentissage et les expériences d'évaluation. |
|---|