护理研究生使用大语言模型的学术体验与伦理困境：一项描述性现象学研究

《BMC Nursing》：The experience of using large language models for academic purposes among nursing graduate students: a descriptive phenomenological study

　　

摘要

背景

大语言模型（LLMs）正在深刻地改变高等教育。然而，它们对知识生产的深度融入给护理专业研究生带来了独特挑战，这些研究生需要在严谨的学术训练与临床伦理责任及人文价值之间取得平衡。

目的

探索护理专业研究生将大语言模型用于学术用途时的真实体验、认知过程及潜在困境。

设计

采用描述性现象学质性研究设计。

方法

采用最大变异策略的目的性抽样，招募28名护理专业研究生。于2026年1月至4月期间通过半结构化访谈收集数据，并使用系统性主题分析法对访谈记录进行分析。

结果

分析揭示了三个核心主题：（1）重塑学术认知模式——参与者认为大语言模型降低了早期认知负担和研究焦虑，但部分参与者也担忧依赖人工智能生成内容可能会削弱其临床批判性思维；（2）护理伦理与学术规范的困境——在临床数据处理过程中患者隐私边界模糊，以及在学术原创性和研究者身份方面存在困惑；（3）工具理性与人文关怀之间的冲突与融合——揭示了算法在传达深度共情和真实患者体验方面的局限性，同时技术克服语言障碍、促进本土护理理念国际传播的优势也不可否认。

结论

参与者认为大语言模型有助于提高研究效率并促进跨文化学术交流，但也对临床推理能力、数据隐私、学术诚信以及护理学科的人文价值表达了担忧。护理教育者应制定更新的人机协作伦理指南，并将人工智能素养纳入课程体系。

临床试验编号

不适用。

背景

大语言模型（LLMs）正在深刻地改变高等教育。然而，它们对知识生产的深度融入给护理专业研究生带来了独特挑战，这些研究生需要在严谨的学术训练与临床伦理责任及人文价值之间取得平衡。

目的

探索护理专业研究生将大语言模型用于学术用途时的真实体验、认知过程及潜在困境。

设计

采用描述性现象学质性研究设计。

方法

采用最大变异策略的目的性抽样，招募28名护理专业研究生。于2026年1月至4月期间通过半结构化访谈收集数据，并使用系统性主题分析法对访谈记录进行分析。

结果

分析揭示了三个核心主题：（1）重塑学术认知模式——参与者认为大语言模型降低了早期认知负担和研究焦虑，但部分参与者也担忧依赖人工智能生成内容可能会削弱其临床批判性思维；（2）护理伦理与学术规范的困境——在临床数据处理过程中患者隐私边界模糊，以及在学术原创性和研究者身份方面存在困惑；（3）工具理性与人文关怀之间的冲突与融合——揭示算法在传达深度共情和真实患者体验方面的局限性，同时技术克服语言障碍、促进本土护理理念国际传播的优势也不可否认。

结论

参与者认为大语言模型有助于提高研究效率并促进跨文化学术交流，但也对临床推理能力、数据隐私、学术诚信以及护理学科的人文价值表达了担忧。护理教育者应制定更新的人机协作伦理指南，并将人工智能素养纳入课程体系。

临床试验编号

不适用。