《Teaching and Learning in Nursing》：Preparing nursing students for artificial intelligence in practice: A cross-sectional needs assessment of perceived readiness and curricular preferences
编辑推荐：
摘要背景人工智能（AI）正在重塑医疗保健，但护理课程整合人工智能教育的速度较慢，且美国的相关数据有限。目的评估护理学生的人工智能准备程度、教育需求和课程偏好。方法对某美国大学 55 名护理学生进行了横断面调查，评估他们对人工智能在实践、研究和教育中的看法。进行了描述性统计、探
摘要
背景
人工智能（AI）正在重塑医疗保健，但护理课程整合人工智能教育的速度较慢，且美国的相关数据有限。
目的
评估护理学生的人工智能准备程度、教育需求和课程偏好。
方法
对某美国大学 55 名护理学生进行了横断面调查，评估他们对人工智能在实践、研究和教育中的看法。进行了描述性统计、探索性亚组比较和斯皮尔曼相关分析。
结果
在表达意见的学生中，87.2% 认为人工智能学习与其未来职业生涯相关，但仅 22.5% 认为目前的课程接触是足够的，29.2% 觉得自己准备好与人工智能合作。学生优先考虑人工智能的局限性和风险、专科应用、健康公平和临床决策，而几乎所有有效受访者都希望有关于在课程作业中使用人工智能的明确指导。
结论
尽管感知到的准备程度和课程接触有限，但护理学生表现出对人工智能教育的强烈兴趣。研究结果支持在护理课程中整合应用性、风险意识强的人工智能教育，并伴有清晰的机构指导。
引言
人工智能（AI）越来越多地应用于医疗保健领域的临床决策支持、患者监测、文档记录和其他工作流程（Arab, et al., 2025b; Buchanan et al., 2021; Kewalramani et al., 2024）。因此，护理学生将进入人工智能辅助工具日益普及的环境，但护理教育整合人工智能相关准备的速度较慢（El-Banna et al., 2025; Li et al., 2025）。现有研究通常报告对人工智能持中等积极态度，同时对伦理、焦虑和有限的自我效能感存有担忧，且先前的接触和感知有用性与更大的准备程度和采用意向相关（Alenazi & Alhalal, 2025; Labrague et al., 2023b）。
然而，这一文献有两个重要局限性。首先，地理分布严重失衡。一项对 37 项研究的系统综述发现证据严重偏向土耳其、埃及和沙特阿拉伯，没有包含来自美洲的研究（Arab et al., 2025a）。在美国接受培训，处于截然不同的医疗和监管环境中的美国护理学生，代表性仍然不足。其次，也是更重要的是，现有工作主要将人工智能感知表征为研究结果，如态度、焦虑和采用意向（Arab et al., 2025b; El-Banna et al., 2025），而不是作为课程设计的输入。项目主任实际需要的课程规划参数，包括优先哪些主题、学生认为哪种格式最有用、他们会投入多少时间，以及他们认为哪些治理结构是必不可少的，受到有限的实证关注。
我们通过对美国一所大学护理学生的横断面需求评估来解决这些差距，确定与人工智能准备程度、教育优先级、首选学习格式和治理相关的实用课程规划变量。这些发现旨在为护理项目中人工智能教育的可扩展方法提供信息，特别是与执业前教育高度相关。
章节摘录
研究设计与场所
在美国一所护理学院进行了横断面研究，该学院提供护理学学士（BSN）、加速护理学学士和护理实践博士（DNP）项目。研究经机构审查委员会批准（IRB#Pro2025001398）。参与是自愿和匿名的；没有识别信息链接到回应或保留用于分析。结果是根据调查研究报告清单（CROSS）指南报告的（补充文件 1）（
样本特征
55 名学生完成了调查；39 名（70.9%）是本科护理学生，16 名（29.1%）是 DNP 学生。正规人工智能教育不常见（7.3%），但 61.8% 报告有实际的人工智能接触，85.5% 报告个人使用人工智能工具。大多数受访者（72.7%）将其人工智能理解程度评为非常低或低（表 1）。
护理实践中的人工智能感知
学生认识到人工智能的潜力：88.0%（n = 44/50）同意人工智能可以提高效率，84.6%（n = 44/52）同意它可以减少工作负荷，82.0%（n = 41/50）
讨论
本研究提供了基于美国的研究生的护理人员人工智能准备情况需求评估，并超越态度，表征了与将学生兴趣转化为教学相关的课程参数。三项发现值得强调：准备 - 热情差距的幅度、学生对待人工智能的谨慎务实态度，以及他们阐述的课程偏好的具体性。
结论
护理学生认为人工智能与其未来职业生涯相关，但报告感知到的准备情况和课程接触有限。学生偏爱强调临床使用、伦理、偏见、批判性思维和明确机构指导的应用性、风险意识教育。这些发现支持在现有护理课程中分阶段、模块化地整合人工智能教育，同时需要更大规模的多中心研究来评估其在不同项目类型和机构间的可推广性。
CRediT 作者贡献声明
Hakan Guven：撰写 – 初稿，可视化，方法论，形式分析，数据整理，构思。Divya Kewalramani：撰写 – 初稿，监督，项目管理，方法论，调查，数据整理，构思。Justin Benton：撰写 – 审查与编辑，监督，方法论，调查，构思。Christine Repsha：撰写 – 审查与编辑，监督，方法论。Steven Glogocheski：撰写 – 审查与编辑，监督，
Hakan Guven|Divya Kewalramani|Justin Benton|Christine Repsha|Steven Glogocheski|Angela Starkweather|Mayur Narayan
美国新泽西州新不伦瑞克市，罗格斯大学罗伯特·伍德·约翰逊医学院外科系急重症监护外科部
