《Nursing Clinics of North America》：Exploring digital resilience and its related factors among nursing students in the era of AI
编辑推荐：
护理学生数字韧性亚组划分及影响因素研究。通过潜类分析发现高（83.99%）和低（16.01%）数字韧性两组，性别、家庭收入、职业认同及社交支持显著影响韧性水平，提出需加强职业认同教育及社会支持，推进AI技术在护理教育中的应用。
作者：苏雅、于志远、陈思、陈静、王琳
上海交通大学护理学院，中国上海重庆南路227号，邮编200025
摘要
研究目的
本研究旨在识别护理学生中不同的数字韧性亚群体，并探讨与这些亚群体相关的因素。
背景
数字韧性是指适应技术变革并克服高等教育中挑战的能力，对于保护学生的心理健康和提高学术表现至关重要。在人工智能（AI）和护理教育数字化转型的背景下，这种韧性对于学生应对虚拟学习以及将先进技术融入实践至关重要。
研究方法
本研究在中国八所大学进行，基于生态系统理论设计，通过方便抽样方法招募护理学生。潜在剖面分析（LPA）用于识别亚群体，逻辑回归分析相关因素。
结果
共有331名（81.73%）参与者被纳入最终分析。参与者的平均年龄为20.41岁（标准差0.67岁），其中女性283名（85.55%）。潜在剖面分析结果显示出两个亚群体：“高数字韧性组”（n=278，83.99%）和“低数字韧性组”（n=53，16.01%）。男性参与者（OR=3.47，p=0.02）、家庭收入较低者（OR=0.23，p=0.01）、职业认同感较低者（OR=0.86，p<0.001）以及朋友支持较少者（OR=0.82，p<0.001）更可能属于低数字韧性组。
结论
教育者应重点提升学生的职业认同感并提供社会支持，尤其是对于那些数字韧性较低的学生。研究结果为将AI融入护理教育以增强数字韧性提供了实践指导。
研究背景
随着数字技术的迅速发展，数字化转型已成为当代社会的显著特征，对教育产生了深远影响。数字技术的创新通过改进教学和学习方式重塑了高等教育（欧洲委员会，2014年）。作为这个数字时代的关键参与者，高等教育学生受益于数字技术带来的便利和机会，但同时也面临诸多挑战（M?nnist?等人，
研究设计
我们进行了一项描述性横断面研究——这是一种在单一时间点收集数据以考察人群特征、确定健康决定因素并描述关键变量分布的研究设计（Wang等人，2020年）。本研究在中国河南、黑龙江、江苏、山东和上海的八所大学进行。
参与者
参与者通过方便抽样方法招募。纳入标准包括：（1）年龄18岁及以上；（2）无自我报告的
参与者特征
本研究共收集到405份问卷，其中331份问卷完整填写并纳入最终分析。参与者中，189人为大二学生（57.10%），81人为大三学生（24.47%）。参与者来自八所大学，其中66.56%就读于华北地区的大学，22.96%就读于东北地区的大学。护理学生的平均年龄为20.41岁（标准差0.67岁），其中283人为女性（85.55%）。
讨论
研究表明，护理本科生的数字韧性水平相对较高，但在工具使用、内容创作和发布方面仍有提升空间。根据以往研究，护理学生的数字韧性水平与普通大学生群体相当（Chen等人，2023年）。这可能与护理行业对数字技术的日益依赖有关，同时也反映了
结论
本研究通过潜在类别分析揭示了护理本科生数字韧性的分布特征，并确定了影响数字韧性的关键因素。研究结果为将AI融入护理教育以增强数字韧性提供了实践指导。未来研究应探索数字韧性的多维特征以及AI在促进其发展中的作用。
资金支持
本研究得到了以下机构的支持：国家自然科学基金（项目编号：72204164）、上海浦江计划（项目编号：22PJC073）、上海哲学与社会科学规划办公室（项目编号：2024BJC001）、上海交通大学医学院护理发展计划（项目编号：SJTUHLXK2022、SJTUHLXK2024）以及2024年河南省研究生教育改革与质量提升项目（项目编号：YJS2024KC05）。
作者贡献声明
王琳：撰写、审稿与编辑、资源整理、项目管理、资金筹集、数据管理、概念构建。于志远：撰写、审稿与编辑、初稿撰写、验证、方法论设计、数据管理、概念构建。苏雅：撰写、审稿与编辑、初稿撰写、数据收集、正式分析、数据管理、概念构建。陈静：撰写、审稿与编辑、数据收集。陈思：
利益冲突声明
作者声明不存在可能影响本文研究的已知财务利益或个人关系。
致谢
我们感谢所有参与者的合作。没有他们的贡献，本研究无法顺利完成。
