やはり，モデルコアカリはあくまでもコアカリですので，全てではないので，堀内先生，
かなりボリューミーじゃないかという御意見もいただきましたが，いかにその辺りを推奨
レベルで抑えていくのかといったところも含めて，我々もこれからもう少し検討してまい
りたいと思います。もしいいアイデアがありましたら，ぜひお伺いしたいと思います。
【鎌倉委員長】

ありがとうございます。

堀内委員，いかがでしょうか。
【堀内委員】

ありがとうございます。今後の作業のことが分かりましたので，ありが

とうございました。
【鎌倉委員長】

錦織委員，挙手いただいています。御発言をお願いいたします。

【錦織委員】

名古屋大の錦織と申します。1回目は欠席させていただきまして失礼いた

しました。
まず，荒木先生，大変な作業について御説明いただきましてありがとうございました。
私はこの委員会の委員には，恐らく医学教育のモデルコアカリの調査研究チームを担当し
た側から関わらせていただいていると思っておりますので，その観点から幾つか質問させ
てください。
まず1つ目は，11の資質・能力の決定プロセスについて，AIチャットを用いられてという
御説明を伺いましたけども，これ，ぱっと見たところ，医学，歯学，薬学で共通で設定し
ました資質・能力に，医療安全に関する内容が加わっているというイメージの受け止め方
をしたんですが，まずその議論についてお伺いできればと思います。
【鎌倉委員長】
【荒木氏】

それでは，荒木先生，お願いいたします。
御質問ありがとうございます。この決定プロセスについて，あまり御説明

しなかったので，御質問いただきありがとうございました。
テキストを作成していくというところでは，まずやはり言語データがありました。その
言語データを深層学習に基づいて，その前にもちろん看護の資質・能力に関する様々な文
献であったり，そういったところも参考にして質問設計などを行ってまいりましたので，
当然そういったところに関係するデータというのも入ってございます。
OpenAIによって事前学習されたベクトル表現を作成する，そういったAIを用いて各テキ
ストのベクトル表現を作成していきました。メッセージの資質・能力や業務というところ
で分類をしていきました。既存のフレームワークとしては，コンピテンシーの三重モデル
と，AACN，それからMEDISなどを用いて，調査データから資質・能力案を作成していったと

－16－