护理学生个体创新性与医疗人工智能准备度的相关性研究：一项横断面调查

《BMC Medical Education》：Individual innovativeness levels and levels of medical artificial intelligence readiness among nursing students: a cross-sectional and correlational study

本研究针对护理学生AI技术应用能力不足与创新意识薄弱的问题，通过横断面调查分析781名护理学生的个体创新性(IIS)与医疗人工智能准备度(MAIRS)的关联。结果显示两者呈弱正相关(r=0.172,p<0.001)，创新性水平较低(55.09±9.22分)且多属传统型人格，但AI准备度总体良好(67.63±12.83分)。研究强调需通过课程改革强化护理教育的创新思维与AI技术融合，为未来医疗团队建设提供实证依据。

　　

随着人工智能技术在全球医疗领域的快速渗透，护理行业正面临前所未有的转型挑战。尽管AI辅助诊断系统、智能护理机器人等创新技术已逐步应用于临床，但作为未来医疗团队核心成员的护理人员，其技术接受度和创新适应能力却存在显著差异。在土耳其的护理教育体系中，这种技术鸿沟尤为明显——护理学生普遍对AI技术存在既好奇又谨慎的矛盾心理，这种态度可能直接影响未来医疗服务的质量和效率。

传统护理教育更注重标准化操作和循证实践，而对创新思维和前沿技术整合的关注相对不足。这种教育模式可能导致毕业生在面对AI驱动的医疗环境时准备不足。值得注意的是，个体创新性作为影响技术采纳的关键心理特质，其与护理学生AI准备度的内在关联尚未得到系统研究。正是基于这一背景，来自托卡特加齐奥斯曼帕夏大学和锡瓦斯坎胡里耶特大学的研究团队开展了这项开创性研究，成果发表于《BMC Medical Education》2025年第25卷。

研究团队采用多中心横断面调查设计，于2023年3月至5月期间通过在线问卷收集了土耳其两所大学781名护理学生的数据。关键技术方法包括：使用个体创新性量表(IIS)评估学生的创新特质分类（创新者/早期采纳者/早期多数/晚期多数/传统主义者），采用医疗人工智能准备度量表(MAIRS)从认知、技能、预见和伦理四个维度测量AI接受度，通过Pearson相关分析和方差检验(ANOVA)探索变量关联，并采用G*Power软件确保样本量满足统计功效要求（效应量15%，功率90%）。

研究结果

人口学特征分布

样本平均年龄21.23±1.79岁，女性占77.1%，各年级分布均衡（一年级25.6%，二年级24.7%，三年级24.7%，四年级25.0%）。值得注意的是，仅14.2%的学生自认完全了解AI，69.8%表示部分了解，而48.1%的学生甚至无法确认自己是否使用过AI应用程序，反映出护理群体对AI技术的认知存在明显空白。

量表得分情况

IIS总分55.09±9.22分（满分90），根据Hurt分类标准属于传统主义范畴。各子维度中"意见领导力"(23.08±5.45)得分最高，"风险承受"(14.38±3.06)最低，表明学生更倾向于跟随创新而非主导创新。MAIRS总分67.63±12.83分（满分110），其中"技能"维度(26.66±5.29)表现最佳，"预见"维度(9.21±2.17)最弱，提示学生虽具备基础操作能力，但对AI未来发展的战略预见不足。

相关性分析

核心发现显示IIS与MAIRS总分呈弱正相关(r=0.172,p<0.001)，且创新性各维度与AI准备度多数子维度显著相关（p<0.01）。特别发现"意见领导力"与"认知"(r=0.434)、"技能"(r=0.296)、"预见"(r=0.379)均呈正相关，而"变革抵抗"与各维度均呈负相关（如与"技能"r=-0.662），证实创新特质对技术接受度的定向影响。

群体差异比较

男性在IIS总分(57.03±8.62 vs 54.52±9.32,p=0.001)和MAIRS总分(70.10±13.16 vs 66.91±12.66,p=0.003)上显著高于女性。四年级学生创新性最高(58.45±8.57)，但AI准备度反而最低(64.11±14.06)，可能源于临床实习中对AI实际应用的谨慎态度。自评"对创新开放"的学生在两项量表得分均显著高于保守群体（p<0.001）。

讨论与结论

本研究首次在土耳其护理学生群体中验证了个体创新性与医疗AI准备度的内在关联。虽然学生整体表现出中等水平的AI接受意愿，但创新性偏低（传统主义倾向）和风险规避特质可能成为技术整合的潜在障碍。与早期研究相比，本样本量更大(n=781)、地域代表性更广，但结果与Kaya等人(2025)的发现相互印证，强化了创新教育在护理人才培养中的核心地位。

研究结果对护理教育改革具有明确指导意义：首先，需将AI技术应用模块嵌入现有课程体系，重点强化"预见能力"和"伦理决策"训练；其次，针对不同创新特质的学生实施差异化教学，如为传统型学生设计渐进式技术接触路径；最后，教育者自身需通过继续教育提升AI素养，才能有效引导学生的技术认同。值得注意的是，土耳其高教委(Y?K)近年推动的课程改革与本研究的政策建议高度契合，说明实证研究正逐步影响教育决策。

局限性与未来方向包括样本仅来自两所大学，且未追踪课程干预的长期效果。后续研究可扩展至多国比较，并开发针对护理专业的AI素养培训模型。正如作者强调，在AI重塑医疗格局的时代，培养兼具创新意识和技术能力的护理人才，不仅是教育问题，更是保障未来医疗质量的关键战略。