基于人工智能的母婴医疗护理教育：自我效能感与使用需求的网络分析

《Nurse Education Today》：AI-driven maternal and child healthcare nursing education: Network analysis of self-efficacy and usage demands

本研究通过网络分析探讨中国产前及儿童护理护士的AI自我效能感（AISES）与使用需求的关系，发现拟人化交互（AI_4）和技术技能（TS_4）对网络结构影响显著，教育差异导致低学历护士在术语理解（TS_4）和互动舒适度（CF_5）方面表现更优。研究提出分层培训策略，包括拟人化交互训练、AI教育资源平台、术语强化课程、低压力互动练习及案例激励，以提升AI技术整合效果，为全球低资源环境提供参考。

　　人工智能在母婴健康护理教育中的应用日益广泛，但护士的AI自我效能感与使用需求之间的动态关系尚未得到充分研究。在中国的母婴健康领域，护士面临高工作压力和培训资源短缺的问题，这阻碍了AI技术的融合。本研究采用网络分析方法，揭示了中国护士中AI自我效能感和需求的复杂结构，为优化AI培训策略提供了依据。

研究采用了横断面研究方法，通过便利抽样选取了中国大陆26个省份的母婴健康机构中注册护士（共848人），时间范围为2025年1月1日至3月1日。研究使用了AI自我效能感量表（AISES），该量表包含22个项目，分为四个维度：协助（Assistance）、拟人化交互（Anthropomorphic Interaction）、与AI的舒适度（Comfort with AI）和技术技能（Technological Skills）。此外，还加入了关于AI使用和培训需求的问题。通过R软件（qgraph包）构建了LASSO正则化部分相关网络，以评估关键节点（如节点强度、桥接强度和可预测性）。通过Bootstrap方法验证了网络的稳定性及边的准确性。

研究结果表明，网络包含22个节点和122个非零边（占可能边数的52.81%；平均权重为0.0463）。影响最大的节点是拟人化交互维度的AI_4（“AI语气与人类相似”；节点强度=2.654）。可预测性最高的节点是协助维度的AS_3（“AI有效辅助学习”；R2=0.905）。关键桥接节点是AI_1（“AI交互生动”；桥接强度=3.403）。专科护士（N=189）在技术技能（TS_4，“AI术语清晰”；Δ=0.429）和舒适度（CF_5，“AI交互轻松”；Δ=0.148）方面表现出更高的节点强度，与本科学历或以上（N=659）护士相比。仅有13.7%的护士接受过AI培训，43.6%的护士从未接触过AI，突显了培训不足的问题。

研究结论指出，网络分析显示拟人化交互和学习协助是AI自我效能感的核心因素，为针对性培训提供了目标。建议包括拟人化交互培训、AI资源平台、术语课程、低压力练习和案例研究，以提高AI的整合度、护理质量和母婴健康结果。由于横断面设计的局限性，未来需要纵向研究来验证效果并解决基层需求。

在母婴健康护理领域，人工智能的应用正逐步扩大，但护士对AI的接受度和能力仍需提升。AI的引入不仅提升了护理效率，还改善了母婴健康结果。然而，AI的有效整合高度依赖于护士的接受度和能力，尤其是他们对AI技术的自我效能感。自我效能感是指个体对自己完成特定任务的信念，直接影响护士采用AI的意愿和实际使用行为。结合技术接受模型（TAM）和计划行为理论（TPB），研究进一步揭示了AI自我效能感与使用需求之间的心理机制。

研究结果显示，AI自我效能感的四个维度中，拟人化交互和学习协助是最关键的因素。拟人化交互维度的AI_4（“AI语气与人类相似”）表现出最高的节点强度，表明其在自我效能感网络中的核心作用。学习协助维度的AS_3（“AI有效辅助学习”）具有最高的可预测性，意味着其在自我效能感网络中的重要性。这些发现为设计针对性的培训策略提供了依据，例如加强拟人化交互训练、开发AI教育资源平台、提供术语课程、进行低压力交互练习和推广成功案例。

此外，研究还发现，教育水平较低的护士在技术技能（TS_4，“AI术语清晰”）和舒适度（CF_5，“AI交互轻松”）方面表现出更高的节点强度。这表明，针对不同教育水平的护士，需要设计不同的培训策略。例如，专科护士可能需要更多的术语解释和模拟交互练习，以提高其对AI技术的接受度和使用意愿。

研究还指出了当前AI培训体系的不足。仅有13.7%的护士接受过专业培训，42.7%的护士通过自我学习或接触相关主题，而43.6%的护士从未接触过AI。这表明，AI教育资源的不足可能影响护士的自我效能感和使用意愿。因此，研究建议通过多层次的培训课程和资源平台，提高护士的AI能力，满足其使用需求。

研究结果不仅有助于提高护理质量和母婴健康结果，还为全球低资源环境下的AI护理整合提供了潜在的可复制实践参考和跨文化扩展框架。研究的局限性在于横断面设计无法推断因果关系，未来需要纵向研究来验证效果并解决基层需求。此外，样本主要来自三级医院，可能无法全面代表基层医疗机构的情况，未来研究应包括基层护士以比较城乡差异。同时，研究依赖于自我报告数据，可能存在社会期望偏差，未来可以通过AI工具使用记录（如操作频率）来验证自我报告数据，提高研究结果的可靠性。

研究还建议开发更全面的需求评估量表，包括5-10个项目，以提高构念效度。通过这些策略，可以逐步提升护士的AI自我效能感，促进AI技术在护理实践中的有效应用，最终改善母婴健康服务。研究为未来的AI护理教育提供了初步的科学依据和实践参考。