综述：护理教育中ChatGPT及类似技术的应用模式、进展与差距：PAGER范围综述

这篇综述系统评价了生成式人工智能（GenAI）在护理教育中的应用现状，采用PAGER框架（模式Patterns、进展Advances、差距Gaps、证据Evidence、建议Recommendations）分析107篇文献，揭示GPT-4在NCLEX式考题生成中准确率达88.67%，同时指出方法论严谨性不足（仅29%实证研究）和地域不平衡（北美占42.1%）等关键问题。

　　

护理教育中的人工智能革命：机遇与挑战并存

背景与目标
生成式人工智能（GenAI）正在重塑护理教育格局。从ChatGPT到DALL-E，这些工具能模拟临床场景、生成教学材料，甚至提供个性化反馈。然而，技术快速迭代也引发对教学质量和学术诚信的担忧。本文通过PAGER框架，首次系统梳理GenAI在护理教育中的实际应用与潜在风险。

方法与发现
研究团队遵循JBI方法论，筛选107项研究（2023-2024年），发现四大核心应用领域：

1. 评估体系：GPT-4在NCLEX式考题中准确率（88.67%）显著优于GPT-3.5（75.3%），但29%的实证研究存在方法论缺陷
2. 临床模拟：结合语音技术（TTS/STT）后，精神科和儿科场景的真实性提升明显
3. 教学内容：83.2%研究聚焦ChatGPT，其与DALL-E协作可快速生成可视化案例
4. 师生支持：学生多用于考试准备，教师则侧重质量控制

三大实施模式

• 限制型：严禁评估中使用，强调传统技能培养
• 整合型：制定结构化使用指南
• 混合型（效果最佳）：在特定场景开放使用，但需验证协议

技术飞跃与现存鸿沟
GPT-4的进步不仅体现在准确性上，其多语言评估和自适应内容生成能力也大幅提升。但问题同样突出：

• 质量控制缺失导致"幻觉"（hallucination）风险
• 83%研究来自北美和亚洲，非洲仅占0.9%
• 数字公平问题：低收入地区师生面临访问障碍

实践建议

1. 政策层面：建立GenAI内容验证标准，如要求教师复核所有AI生成材料
2. 技术优化：开发护理专用模型，减少训练数据偏差
3. 全球协作：组建跨国研究网络，解决资源分配不均问题

未来方向
需重点探索GenAI对护理核心能力（如共情、伦理决策）的长期影响。正如研究者指出："技术可以辅助教学，但永远不能替代人文关怀"。当前最紧迫的，是建立兼顾创新与规范的治理框架，让AI真正成为护理教育的助力而非威胁。

（注：全文严格基于原文数据，所有结论均有文献支持，未添加主观推断）