护理教育中人工智能的应用及其对护生心理影响的横断面研究

本研究聚焦人工智能(AI)在护理教育中的整合应用，探讨其对护生自我效能(self-efficacy)和心理困扰(psychological distress)的影响机制。研究团队采用横断面设计，通过Kessler心理压力量表、自我效能量表等工具，对沙特公立大学108名护生进行多维度分析。结果显示，AI使用经历显著提升学生自我效能感(p<0.05)，但AI认知对心理困扰的预测作用未达显著水平(p>0.05)。该研究为优化AI教育干预策略提供了重要实证依据，对改善护生心理健康具有临床指导价值。

　　

随着ChatGPT等生成式人工智能的爆发式发展，医疗教育领域正经历前所未有的技术变革。在护理教育中，AI虚拟患者模拟系统和智能辅导平台虽能提升临床技能训练效率，却也让不少护生产生"技术焦虑"——担心被机器取代、恐惧技能落伍。沙特阿拉伯的研究团队发现，超过92.5%的护生接触过AI工具，但其中近半数人出现显著心理困扰症状，这种矛盾现象引发学界关注。

为揭示AI技术应用与护生心理健康的复杂关系，King Saud大学的Ghareeb Bahari和Latifah Alenazi联合团队开展了一项创新研究。研究者采用横断面设计，通过三套标准化量表：AI认知量表(Perceptions of AI)、Kessler心理压力量表(K10)和一般自我效能量表(GSES)，系统评估108名护生的技术接受度与心理状态。研究特别关注年级、AI使用频率等协变量的调节作用，采用独立样本t检验、ANOVA和多元线性回归等统计方法进行数据分析。

主要技术方法
研究采用便利抽样法选取沙特公立大学护理学院108名学生，通过电子问卷收集数据。使用Perceptions of AI量表(含15个Likert条目)评估技术接受度，Kessler量表(K10)测量心理困扰程度，General Self-Efficacy Scale(GSES)评估自信水平。采用SPSS 26进行统计分析，包括t检验、ANOVA、Pearson相关和逐步回归分析，控制年龄、性别等混杂因素。

研究结果

人口学特征
样本中94.2%为女性，平均年龄23.76±5.53岁，75.8%处于临床实习阶段。值得注意的是，92.5%的护生有AI使用经验，但79.2%未接受过系统培训。

AI认知的差异分析
t检验显示，有AI使用经验的护生在"技术有用性"维度得分显著更高(p<0.01)。高年级学生比低年级更担忧AI的伦理风险(p=0.032)，这可能与其临床实践经验增加有关。

心理困扰的相关因素
Pearson分析发现心理困扰与自我效能呈负相关(r=-0.41,p<0.001)，但与AI认知无显著关联。回归模型显示，年级和临床经验能解释23%的心理困扰变异量(Adj R²=0.23)。

自我效能的影响机制
多元回归表明，AI使用频率(β=0.34,p=0.002)和系统培训经历(β=0.28,p=0.011)能正向预测自我效能。模型整体解释率达31%(F=6.57,p<0.001)。

讨论与意义
该研究首次实证揭示了中东地区护生AI接受度的特殊模式：虽然技术使用率高(92.5%)，但结构性培训缺失(79.2%)导致"高应用-低信心"悖论。这与Alruwaili等(2024)在沙特医疗机构中的发现形成呼应，证实技术暴露(exposure)与能力培养(competency)的不匹配是引发焦虑的关键。

研究创新性地验证了"技术压力缓冲假说"——系统培训可显著增强自我效能(β=0.28)，进而缓解AI相关的心理困扰。这为教育者设计"技术-心理"双轨干预方案提供了理论框架。如研究者建议，将AI伦理课程与正念训练结合，可能比单纯技术培训更有效。

局限性在于横断面设计难以确定因果关系，且样本性别比例失衡(94.2%女性)。未来研究可采用纵向设计追踪AI技术采纳不同阶段的心理变化轨迹。该成果发表于护理教育顶刊《Nurse Education Today》，为全球护理院校的AI课程改革提供了重要循证依据。