编辑推荐：
为探究英国本科医学生使用 AI 进行自主学习与年龄、性别、学年等变量的关系，研究人员开展了关于人工智能（AI）融入个性化学习的横断面研究。结果表明年龄、性别、学年影响 AI 使用。该研究为优化 AI 在医学教育中的应用提供了依据123。
在科技飞速发展的当下，人工智能（AI）逐渐渗透到教育领域，为个性化学习带来新的机遇。在医学教育方面，课程内容繁多且要求严格，学生需要高效学习海量知识。AI 能根据学生特点提供定制化学习方案，如分析学生学习数据，调整内容难度和学习方式，理论上可提高学习效率、优化时间管理。然而，AI 在医学教育中的实际应用存在诸多问题。一方面，其融入程度有限且不均衡，不同地区和学生对 AI 的使用差异较大；另一方面，AI 生成内容的准确性存疑，还涉及伦理、数据隐私等问题，同时学生获取 AI 技术的机会不均等，这些都阻碍了 AI 在医学教育中的有效应用。
为深入了解这些情况，英国莱斯特大学（University of Leicester）和莱斯特大学医院（University Hospitals of Leicester）的研究人员开展了一项关于 AI 融入个性化学习的研究。他们以 230 名英国本科医学生为研究对象，通过在线调查收集数据，分析年龄、性别、学年等因素对学生使用 AI 进行自主学习的影响。研究成果发表在《BMC Medical Education》上。
研究人员采用了多种关键技术方法。在样本选取上，通过社交媒体平台、在线医学生论坛和社区，以便利抽样的方式招募参与者。在数据收集方面，使用经过多步严格开发和验证的调查问卷，涵盖 AI 使用模式、对 AI 的认知等多个方面。数据分析则运用描述性统计和线性逻辑回归等方法，探究变量之间的关系。
研究结果如下：
- AI 使用与人口统计学特征的关系：通过描述性分析发现，59% 的参与者为女性，一年级学生对 AI 工具的依赖程度最高，随着学年增长，AI 使用频率降低。进一步的推断统计分析表明，年龄与支付 AI 订阅服务的意愿显著相关（p=0.012），年龄较大的学生更愿意投资 AI 工具；性别与对 AI 错误信息的担忧显著相关（p=0.017），女性学生更关注 AI 内容的准确性，且更倾向于采取措施降低错误信息风险（p=0.045）456。
- 不同学年学生 AI 使用差异的原因：一年级学生由于刚接触医学教育，对 AI 工具感到新奇，且 AI 工具能帮助他们整理和学习大量入门知识，所以依赖程度较高。而高年级学生，尤其是临近临床实习的学生，已形成成熟的学习习惯，更注重实践经验和面对面教学，对 AI 的依赖相对较少78。
- AI 在医学教育中的伦理问题及影响：研究揭示 AI 在个性化学习中存在风险，如传播错误信息，学生尤其是女性学生对此高度关注。因为 AI 系统可能存在训练数据偏差，若不加以解决，会强化错误医学知识，影响学生对医学概念的理解，进而威胁未来的医疗服务质量910。
研究结论和讨论部分强调了重要意义。AI 在医学教育个性化学习中具有巨大潜力，但要充分发挥其作用，必须解决伦理问题，确保信息准确性和公平获取。医学教育机构应将 AI 素养纳入课程，培养学生批判性评估 AI 内容的能力，促进 AI 在医学教育中的合理应用。同时，研究存在局限性，如样本选取的局限性和研究设计的局限性等，未来研究可采用分层随机抽样等方法改进。该研究为后续探索 AI 在医学教育中的应用提供了重要参考，推动了医学教育与 AI 技术的融合发展，有助于培养更适应时代需求的医疗人才。
