生成式人工智能对护理本科生高阶思维能力和人工智能素养的影响：基于成果导向教育的准实验研究

推荐：为解决护理教育中高阶思维能力(HOTS)和人工智能素养(AI literacy)培养不足的问题，研究人员基于成果导向教育(OBE)理论，开展生成式人工智能(GenAI)辅助教学的准实验研究。结果显示，实验组HOTS总分(P=0.018)和AI素养(P<0.001)显著优于对照组，证实GenAI可有效提升护理学生综合能力，为智能时代护理教育改革提供新范式。

　　

随着全球医疗数字化转型加速，人工智能(AI)技术已深度融入护理实践，从AI驱动的临床决策支持到远程医疗，技术革新既提升了护理效率，也带来了全新挑战。在这一背景下，护理人员需要具备高阶思维能力(Higher-Order Thinking Skills, HOTS)和人工智能素养(AI Literacy)来应对复杂临床场景。然而现有研究表明，护理本科生的HOTS和AI素养仅处于中等水平，传统以教师为中心的教学模式难以满足智能时代的需求。更关键的是，尽管生成式人工智能(Generative AI, GenAI)在护理教育中展现出潜力，但相关研究多聚焦单一维度如批判性思维或学术写作，缺乏系统性评估和理论指导。

为填补这一空白，安徽医科大学护理学院团队在《Nurse Leader》发表了一项开创性研究。他们基于成果导向教育(Outcome-Based Education, OBE)理论框架，将国产GenAI工具"豆包"整合至《思维与沟通》课程，通过准实验设计验证其对132名护理本科生HOTS和AI素养的提升效果。研究采用随机分组单盲设计，实验组在传统混合教学基础上引入五大GenAI交互策略：资源拓展、情景模拟、角色扮演、即时问答和内容生成。通过HOTS自评量表和AI素养量表进行前后测，结合G*Power软件计算样本量，采用独立样本t检验和Bonferroni校正进行数据分析。

研究结果呈现多维度突破：

1. 1.

   高阶思维能力显著提升

   实验组HOTS总分提升14分(P<0.001)，显著高于对照组的7.27分(P=0.003)。其中问题解决能力(39.85 vs 38.08,P=0.010)和判断决策能力(39.08 vs 37.67,P=0.035)提升尤为突出，证实GenAI的认知支架功能能有效支持复杂问题解决。

2. 2.

   AI素养全面改善

   实验组AI素养总分提升23.41分(P<0.001)，远超对照组的4.73分。四个维度均显著提升：智能责任(43.79 vs 41.31,P=0.002)、智能知识技能(67.92 vs 64.56,P=0.003)、智能思维(53.74 vs 47.94,P<0.001)和人机协同创新(23.74 vs 20.74,P<0.001)，表明GenAI的角色扮演策略能有效传递AI专业知识。

3. 3.

   教学策略创新价值

   研究开发的"OBE理论引导+GenAI工具嵌入"教学模式具有范式意义。情景模拟中，学生通过与GenAI构建的虚拟患者互动，训练临床决策能力；角色扮演环节则通过AI模拟专家对话，深化对AI伦理的理解。这种双轨设计既保证了教学的系统性，又发挥了GenAI的交互优势。

讨论部分指出，这是首项将OBE理论与GenAI结合应用于护理教育的研究，其创新性体现在：理论层面，OBE的"成果导向"原则确保了能力培养的靶向性；实践层面，国产GenAI工具的本土化应用为资源受限地区提供了可行方案。但研究也存在局限性，如单中心设计可能影响结果外推性，且未评估长期效果。未来需开发护理专用的评估工具，并关注GenAI可能产生的错误信息风险。

该研究的实践意义深远：一方面证实GenAI可作为护理教育的"认知加速器"，特别在培养问题解决和AI应用能力方面具有独特优势；另一方面提出的五大教学策略(如虚拟患者模拟)可直接迁移至《护理学基础》等专业课程。随着AI技术迭代，这种"人类教师设计框架-AI提供个性化支持"的模式或将成为护理教育的新常态，为培养适应数字医疗时代的护理人才提供关键支撑。