《BMC Medical Education》：How crucial is research philosophy in designing an AI study in medical education?
编辑推荐：
摘要：研究论文常因方法学问题、工具选用不当及研究目的、方法与结论间缺乏一致性而被拒稿。本述评认为，此类问题常源于研究人员在推进课题时忽视了研究哲学（Research Philosophy）。基于文献及研究人员在医学教育与生化科学领域的同行评审经验，强调阐明本体
摘要：研究论文常因方法学问题、工具选用不当及研究目的、方法与结论间缺乏一致性而被拒稿。本述评认为，此类问题常源于研究人员在推进课题时忽视了研究哲学（Research Philosophy）。基于文献及研究人员在医学教育与生化科学领域的同行评审经验，强调阐明本体论（Ontology）、认识论（Epistemology）、方法论（Methodology）与价值论（Axiology）假设有助于选择合适的范式——实证主义（Positivism）、后实证主义（Post-positivism）、解释主义（Interpretivism）、批判理论（Critical Theory）或实用主义（Pragmatism）。为避免上述方法学问题，研究人员应澄清其哲学假设、明确陈述所选范式，并确保该过程在研究方法的章节或附录中予以阐述。此方法可提升研究的合理性、透明度、可重复性（Reproducibility）与可辩护性（Defensibility），尤其在医疗健康教育中的人工智能（AI in Healthcare Education）等领域尤为重要。
论文解读：研究哲学在医学教育人工智能(AI)研究设计中的关键作用
本文发表于《BMC Medical Education》，是一篇社论（Editorial）。当前医学教育领域AI相关研究多处于探索性论述向实证实施过渡阶段，大量投稿因研究设计薄弱、未阐明研究范式及本体论或认识论立场导致方法论缺乏严谨性而被拒。为此，研究人员基于同行评审经验与文献提出，在开展医学教育AI研究前必须明确研究哲学基础，以确保研究目的、方法与结论的逻辑一致性，从而提高研究质量与发表可能性。
本文未涉及实验操作与样本队列，属于基于文献与编辑经验的述评性研究。其核心"方法"为：依据Crotty及Creswell等人的社会科学研究范式理论，解构研究哲学的四大支柱——本体论（Ontology，对现实本质的假设）、认识论（epistemology，知识如何产生与验证）、方法论（methodology，适宜的研究途径）和价值论（axiology，价值观与伦理如何影响研究），并结合医学教育AI实例演示如何将范式选择（特别是实用主义Pragmatism）与研究问题匹配，指导混合方法（Mixed Methods）设计。
Background（背景）
研究人员指出，稿件被拒最常见原因是研究设计与方法学缺陷，如设计不当、工具未验证、研究问题表述差及目的与方法脱节。近期对2014–2024年四大医学教育期刊AI相关文献的系统综述显示，AI in Medical Education仍处于早期发展阶段，实证研究少、地域分布不均。作为BMC Medical Education AI专题客座编辑，研究人员发现多数退稿源于缺乏概念与方法学严谨性，尤其是未能阐明研究范式与哲学立场，故强调研究哲学对提升质量至关重要。
Research design and methodology（研究设计与方法论）
许多方法学问题源于对研究哲学（本体论、认识论、方法论、价值论）思考不足。明确这些假设可论证方法选择合理性、增强透明度并确保设计逻辑连贯，亦有助于识别偏倚来源。范式（实证主义、后实证主义、解释主义、批判理论或实用主义）应依研究目的与问题而定。文中举例：探讨医学实习生使用AI辅助病历时的职业认同与入职准备度，宜采用实用主义（Pragmatism）范式——因其关注现实后果与问题解决，允许整合定量（量表、得分）与定性（访谈、观察）数据的混合方法设计，契合复杂教育情境。文中以表格总结了实用主义范式下四维度的假设及其与研究目标的对应。
Discussion（讨论）
研究团队经深入讨论拟定研究问题，如"何种情境、教育及组织因素促进或阻碍实习生过渡到临床实践时有效使用AI支持病历？"及"医学生在使用AI支持病历时报告并展现出哪些胜任力？"。实用主义范式下建议采用混合方法：定性含半结构化访谈、工作流程观察、反思笔记；定量含人口学特征、上级评估的就绪/过渡评分、自我效能感及数字化临床实践准备度验证量表。方法互补与三角互证可提升效度，全面反映就绪度与身份形成。引言与讨论需贯穿医学教育理论框架并引用前沿文献。文中间接分析了已发表的全球横断面调查与随机对照试验（RCT）案例，说明不同范式与方法之应用。结论重申：研究人员应基于研究哲学规划课题、选定范式（实用主义、解释主义、批判理论等）、讨论相关假设以形成整合框架，确保对齐并可回答问题，从而提升设计透明度、可重复性与可辩护性。拥抱此基础对产出高质量医学教育AI学术成果至关重要。
结论翻译：
总之，本述评呼吁研究人员以研究哲学为基础规划医学教育中的AI研究，选择哲学范式（无论是实用主义、后实用主义、解释主义或批判理论），进而讨论相关研究假设及可进一步激发形成整合框架以探索研究各层面的问题，确保一致性及研究设计能回答研究问题并充分达成研究目的。这些准备工作将确保研究设计具透明度、可重复性与可辩护性。本述评提供实务范例以协助读者理解基于AI的医学教育研究之适用性。研究哲学将为研究设计提供清晰根基并强化方法论论证。接纳此基础对于产出高质量的学术著作至关重要。
