综述：人工智能与能力本位教育的快速范围审查

这篇综述探讨了人工智能(AI)在助产士能力本位教育(CBE)中的应用前景与挑战，系统分析了39篇文献(2021-2024)，揭示了AI在优化学习评估、教师发展中的三重维度：AI使用能力构建（含伦理考量）、学术投入的经济性权衡，以及基于能力的教学设计创新，特别强调需建立学科特定的机器学习预置规则。

　　

Abstract

人工智能(AI)正为能力本位教育(CBE)带来范式变革。在助产教育领域，AI既可能强化也可能削弱CBE目标的实现，这种双重性成为当前研究的核心关切。

Introduction

助产教育的特殊性在于其严格的能力达标体系。AI通过个性化学习路径规划和实时能力评估，为突破传统教学时空限制提供了可能。但值得注意的是，算法偏见可能影响评估公正性，这要求教育者必须建立AI伦理使用的能力框架。

Methods

通过MEDLINE和Web of Science的系统检索(2024年12月)，筛选出39篇文献。使用Covidence软件进行数据提取，揭示出三个关键维度：

1. 1.

   AI使用能力三角模型：包含伦理辩护能力(1a)、风险识别能力(1b)、以及将AI转化为教学工具的核心素养(1c)

2. 2.

   学术投入的二元性：研发成本(2a)与基础设施投入(2b)的平衡

3. 3.

   教学设计的智能优化：通过自适应学习系统(3a)、翻转课堂等新型教学法(3b)，实现助产技能的情景化训练(3c)

Results

数据表明，AI在骨盆测量模拟、胎心监护解读等场景中展现出90%以上的训练一致性。但有趣的是，涉及临床决策支持的场景会出现15-20%的算法不确定性，这提示需要建立"人类监督阈值"。

Discussion

助产教育面临三重挑战：

• •

  必须开发包含_ML(机器学习)预处理的学科专用数据集

• •

  教师需掌握"算法教学法"(Algorithmic Pedagogy)以解释AI决策逻辑

• •

  机构应建立"动态伦理护栏"，特别是针对胎儿监测等敏感数据的隐私保护

值得注意的是，研究建议助产士应直接参与监督学习(Supervised Learning)的数据标注，这将显著提升AI在异常分娩识别等关键场景的预测准确率。未来的研究方向应聚焦于开发符合国际助产士联合会(ICM)标准的AI能力评估矩阵。