《Nurse Education Today》：Artificial intelligence readiness profiles associated with critical thinking among nursing interns: A latent profile analysis
编辑推荐：
•使用潜剖面分析（LPA）识别了护理实习生中三种AI准备度特征剖面•较高的AI准备度与较强的批判性思维能力相关•AI医学课程和临床情境与准备度特征剖面相关•支持基于学习者特征剖面进行差异化AI教育•将批判性思维与AI培训整合，用于临床实践引言随着人工智能（AI）技术在医疗领域
- •
使用潜剖面分析（LPA）识别了护理实习生中三种AI准备度特征剖面
- •
较高的AI准备度与较强的批判性思维能力相关
- •
AI医学课程和临床情境与准备度特征剖面相关
- •
支持基于学习者特征剖面进行差异化AI教育
- •
将批判性思维与AI培训整合，用于临床实践
引言
随着人工智能（AI）技术在医疗领域的快速发展，护理教育正面临转型机遇与挑战。AI正越来越多地应用于疾病预测、图像识别、临床决策支持和患者管理等领域，这要求未来的护士不仅具备传统的临床技能，还应具备一定的AI素养和应用能力（Montejo等，2024；O'Connor等，2023）。在此背景下，医学AI准备度逐渐成为护理教育中的一个关键议题。它指的是医疗服务提供者将AI技术有效整合到预防、诊断、治疗和康复服务中的综合能力，结合了他们在知识、技能和态度方面的专业专长（Karaca等，2021）。因此，提高护理学生的AI准备度不仅仅是一个技术适应问题，更是影响其未来职业能力和护理质量的关键因素（Labrague等，2023）。
同时，批判性思维作为护理专业的核心能力，在临床推理、循证实践和复杂情境下的决策中发挥着不可替代的作用（Diamond-Fox & Bone，2021；Profetto-McGrath，2005；Urhan等，2022）。多项研究表明，批判性思维与护理学生的学业成绩、临床判断和患者安全结果之间存在显著关联（Andreou等，2014；Bussard等，2024；Zhang等，2025）。在技术整合的护理实践中，批判性思维使学生能够理性评估AI工具的输出，防止过度依赖技术，从而保障护理决策的科学严谨性和人文关怀（Nes等，2021）。
越来越多的研究开始探索护理学生的AI准备度水平及其影响因素。先前的研究确定了一些相关因素，如AI相关焦虑（Demir-Kaymak等，2024）、个体创新力（Kaya等，2025）和感知的AI获取障碍（Labrague等，2023）。然而，现有研究的一个共同局限是将学生群体视为同质群体，主要依赖总分或平均分的比较。这种方法可能会忽视群体内部的潜在异质性，特别是存在具有独特AI准备度特征剖面的不同子群体。此外，AI准备度与批判性思维等核心护理能力之间的关系很少受到实证关注，这是文献中的一个重要空白。
本研究旨在通过考察AI准备度与批判性思维之间的联系来弥补这一空白。这一关注的理由有两个方面。从理论上讲，随着AI工具越来越整合到临床工作流程中，批判性思维被认为是一种必要的认知保障。它使未来的护士能够批判性地评估AI生成的建议，认识到算法的局限性，并避免过度依赖可能损害临床判断和侵蚀护理人文维度的技术（Nes等，2021）。从实证上讲，研究这一关系可以揭示技术素养的获得和高级思维技能的发展是平行过程还是潜在的协同过程，这对整合课程的设计具有直接影响。因此，本研究采用探索性方法来考察AI准备度特征剖面如何与批判性思维相关联，而不是检验一个确认性的预测模型。
潜剖面分析（LPA）作为一种以个体为中心的分析方法，可以根据个体在多个观测变量上的反应模式来识别具有相似特征的潜在子群体（Hickendorff等，2018）。LPA已广泛应用于教育心理学和职业行为研究等领域。使用LPA分析护理实习生AI准备度的潜在剖面并探索其与批判性思维的关系，有助于更详细地了解学生群体的能力分布，并为开展分层和精准的教育干预提供依据。因此，基于认知和技术能力交互发展的概念前提（McKenney & Reeves，2018），本研究旨在：（a）通过LPA识别护理实习生AI准备度的潜在剖面，（b）探索这些剖面在批判性思维能力方面的差异，以及（c）检查与剖面归属相关的因素。研究结果旨在为护理教育者设计AI整合课程和培养批判性思维能力提供实证依据和战略建议。
文章片段
研究设置与参与者
数据于2025年10月在中国杭州的一家教学医院收集——浙江省最大的临床护理培训基地，每年接收超过500名护理实习生。参与者来自七个省份的32所医学院，在实习期间之前完成了所有必需的大学课程，其中部分课程包括跨学科AI医学课程。
实习项目遵循国家标准，
参与者特征
本研究共收集了486份问卷，其中458份有效（有效响应率：94.2%）。参与者包括399名女性（87.1%）和59名男性（12.9%）。平均年龄为21.27 ± 0.72岁，平均实习时长为4.45 ± 1.19个月。大多数实习生来自非独生子女家庭（74.9%），90.6%的人报告是自愿选择护理作为专业的。在临床轮转方面，外科（80.3%）和内科（69.2%）是最常见的
AI准备度的潜剖面
本研究使用潜剖面分析（LPA）识别了护理实习生三种不同的医学AI准备度剖面，揭示了认知、能力、视野和伦理四个领域的显著异质性和不均衡发展。虽然少数人表现出高水平的准备度，但相当大比例的人表现出中等或低水平的准备度，凸显了分层教育干预的紧迫需求。
这些剖面模式可以通过整合的
对护理教育和未来研究的启示
一刀切的AI培训方法不太可能满足学习者的多样化需求（Labrague等，2023）。对于"认知不足型"实习生，教育应优先考虑基础数字素养、核心AI概念的可理解解释，以及减少技术相关焦虑的支持（Demir-Kaymak等，2024；Labrague等，2023）。对于"中等平衡型"，重点应转向通过整合AI的案例学习来提升应用能力
局限性
本研究存在一些局限性需要考虑。首先，横断面研究设计无法充分揭示AI准备度、批判性思维及其影响因素之间动态的因果机制。需要纵向研究来追踪这些能力随时间的发展。其次，依赖自我报告的测量方法可能引入社会期望偏差。尽管使用了经过验证的量表，但未来研究应补充
结论
本研究通过LPA揭示了护理实习生在AI准备度方面存在显著异质性，可划分为三种不同的特征剖面："认知不足型"、"中等平衡型"和"综合优秀型"。发现实习生的AI准备度剖面与其批判性思维能力之间存在显著正相关。影响AI准备度的关键可变因素包括接触跨学科AI医学课程以及
CRediT作者贡献声明
林丹妮：撰写–审阅与编辑，撰写–原稿，可视化，软件，方法论，调查，正式分析，数据整理，概念化。华静：撰写–审阅与编辑，验证，方法论，正式分析，概念化。刘静：撰写–审阅与编辑，监督，项目管理，资金获取。
伦理批准与参与同意
本研究于2025年9月22日获得浙江大学医学院附属第二医院伦理委员会批准（批准号：2025-1380）。同意程序已整合到在线问卷中，允许参与者随时退出。完成问卷视为知情同意。
资助
本研究由浙江省教育厅资助（编号：Y202454570）。
利益冲突声明
作者声明不存在任何已知的竞争性经济利益或个人关系，这些可能被视为影响本文所述工作的情况。
林丹妮|华静|刘静
