生成式人工智能对医学不同教育阶段学生核心能力的差异化影响研究

《BMC Medical Education》：Differences in perceived influences and educational support needs of generative AI among medical and nursing students across educational levels: a descriptive qualitative study

　　

摘要

背景

生成式人工智能（GAI）已被广泛应用于护理学和医学教育中，显著改变了学生的学习实践。然而，GAI对不同教育阶段学生核心能力的差异化影响仍然模糊不清，关于分层教育支持需求的实证证据也较为有限。本研究通过对本科生、硕士生和博士生之间GAI相关经历的横断面比较，旨在探索学生感知到的GAI影响在不同教育水平上的差异。研究重点关注学生对批判性思维、科研能力和学术诚信方面所感知到的影响，并进一步识别各阶段面向GAI的个性化教育支持需求。这一跨教育阶段的比较视角有望为构建适应不同层次学习者的AI素养教育体系提供实证依据。

方法

本描述性定性研究基于对中国西部一所医科大学44名学生（本科生16人、硕士生16人、博士生12人）的半结构化访谈，采用归纳内容分析法进行分析，并结合技术接受模型（TAM）和AI素养框架进行讨论。

结果

访谈发现表明，不同学术层次的GAI使用模式存在差异：本科生主要用于课程作业，而研究生则主要用于文献综述、实验设计和数据分析。学生普遍认为GAI的使用有利于其批判性思维和知识获取，但也伴随着过度依赖、学术诚信问题以及认知卸载等风险——科研能力的提升主要限于研究生群体。对各层级学生而言，均存在对系统性支持的迫切需求，包括教师指导和机构培训。

结论

访谈结果表明，GAI可能对医学和护理学学生的产生具有差异化感知影响。学生的GAI使用模式、学术收益及潜在风险可能因学术层次不同而异，这表明需要针对各阶段提供适应性教育支持。基于定性研究发现，我们提出一个扩展的三级TAM模型（易用性驱动、实用性和驱动、批判性反思）作为初步概念框架，以捕捉学生不同的GAI使用模式。研究结果可为健康职业教育中的分层AI素养教育和分阶段课程提供依据，但仍需在多样化的教育环境中对该模型进行进一步验证。

背景

生成式人工智能（GAI）已被广泛应用于护理学和医学教育中，显著改变了学生的学习实践。然而，GAI对不同教育阶段学生核心能力的差异化影响仍然模糊不清，关于分层教育支持需求的实证证据也较为有限。本研究通过对本科生、硕士生和博士生之间GAI相关经历的横断面比较，旨在探索学生感知到的GAI影响在不同教育水平上的差异。研究重点关注学生对批判性思维、科研能力和学术诚信方面所感知到的影响，并进一步识别各阶段面向GAI的个性化教育支持需求。这一跨教育阶段的比较视角有望为构建适应不同层次学习者的AI素养教育体系提供实证依据。

方法

本描述性定性研究基于对中国西部一所医科大学44名学生（本科生16人、硕士生16人、博士生12人）的半结构化访谈，采用归纳内容分析法进行分析，并结合技术接受模型（TAM）和AI素养框架进行讨论。

结果

访谈发现表明，不同学术层次的GAI使用模式存在差异：本科生主要用于课程作业，而研究生则主要用于文献综述、实验设计和数据分析。学生普遍认为GAI的使用有利于其批判性思维和知识获取，但也伴随着过度依赖、学术诚信问题以及认知卸载等风险——科研能力的提升主要限于研究生群体。对各层级学生而言，均存在对系统性支持的迫切需求，包括教师指导和机构培训。

结论

访谈结果表明，GAI可能对医学和护理学学生的产生具有差异化感知影响。学生的GAI使用模式、学术收益及潜在风险可能因学术层次不同而异，这表明需要针对各阶段提供适应性教育支持。基于定性研究发现，我们提出一个扩展的三级TAM模型（易用性驱动、实用性驱动、批判性反思）作为初步概念框架，以捕捉学生不同的GAI使用模式。研究结果可为健康职业教育中的分层AI素养教育和分阶段课程提供依据，但仍需在多样化的教育环境中对该模型进行进一步验证。