《PLOS Digital Health》:Barriers, adoption patterns, and determinants of artificial intelligence use among health sciences students in Palestine
编辑推荐:
摘要翻译:人工智能(AI)正日益融入全球医疗教育,然而在获取、培训及机构准备方面的差距仍然明显,尤其是在资源匮乏和受冲突影响的地区。理解健康科学学生如何接触AI技术及其遇到的障碍,对于指导巴勒斯坦大学开发AI就绪课程至关重要。本研究旨在考察巴勒斯坦理工大学健康
摘要翻译:人工智能(AI)正日益融入全球医疗教育,然而在获取、培训及机构准备方面的差距仍然明显,尤其是在资源匮乏和受冲突影响的地区。理解健康科学学生如何接触AI技术及其遇到的障碍,对于指导巴勒斯坦大学开发AI就绪课程至关重要。本研究旨在考察巴勒斯坦理工大学健康科学学生在人工智能使用方面的采纳模式、感知障碍及决定因素。研究采用描述性横断面设计,对来自护理学院、医学与健康科学学院及牙科学院的三百六十六名(666)本科生进行了调查。数据通过经过验证的自填问卷收集,评估了人口统计学特征、AI知识、态度、实践行为及感知障碍。描述性统计总结了使用模式。使用Mann–Whitney U检验、Kruskal–Wallis检验和卡方分析考察组间差异。多元逻辑回归识别了AI采纳的预测因素。统计显著性设定为p≤0.05。研究结果:AI使用高度普遍,93.4%的学生报告积极使用。AI主要用于学习与支持(87.7%)、书面作业(57.5%)及个人目的(54.2%)。不同学科间AI使用存在显著差异(χ2=17.292,p=0.008),牙科学生报告每日使用时间更长。主要障碍包括课程整合有限(48.2%)、伦理与隐私担忧(47.9%)以及培训中心不足(40.4%)。多元分析显示,学院归属和知识得分显著预测AI采纳,而性别、年级及先前AI培训不是显著预测因素。结论:尽管AI技术广泛接触,学生的参与仍主要处于非正式层面,并受到课程、基础设施及伦理障碍的制约。机构策略(包括课程改革、教师发展及改善数字基础设施)对于支持巴勒斯坦健康科学教育中负责任的AI整合是必要的。
论文解读文章
一、研究背景与问题
随着人工智能(AI)在医疗保健领域的快速渗透,其应用已覆盖诊断、治疗规划、健康系统管理及专业教育等多个层面。全球健康职业教育正逐步将AI相关能力纳入本科课程,但不同地区在获取、培训及机构准备方面存在显著差异,尤其在资源匮乏和受冲突影响的地区。尽管学生对AI持积极态度,但系统的知识培训和结构化整合仍显不足。现有文献表明,学生常依赖同伴网络、在线教程或社交媒体等非正式渠道学习AI,缺乏正式课程支持。这种兴趣与结构化培训之间的差距,引发了对AI在临床教育和专业实践中安全、负责任应用的担忧。此外,高使用率并不等同于对AI能力与局限的充分理解,无监督依赖可能增加错误信息、算法偏见及临床推理能力下降的风险。在巴勒斯坦,大学在有限资源、基础设施限制及政治不稳定背景下运行,AI整合在健康科学教育中仍多为非正式和零散状态。初步研究显示,巴勒斯坦大学生对ChatGPT等生成式AI有较高认知和使用,但常报告缺乏正式培训,并对伦理使用、数据隐私及学术诚信存在不确定性。因此,系统考察健康科学学生AI使用的采纳模式、障碍及决定因素,对于制定有效的课程整合策略至关重要。
二、研究开展与结论
研究人员在巴勒斯坦理工大学(PPU)开展了一项描述性横断面研究,调查对象为护理学院、医学与健康科学学院及牙科学院的666名本科生,数据收集于2025年秋季学期,通过大学学习平台电子分发问卷。研究发现:AI使用极为普遍,93.4%的学生报告积极使用AI工具,主要用于学习支持(87.7%)、书面作业(57.5%)和个人目的(54.2%),而专业或临床用途仅占21.2%。多数学生每日使用AI时间少于1小时(34.0%少于30分钟,34.2%为30-60分钟)。不同学院间使用时长存在显著差异(χ2=17.292,df=6,p=0.008),牙科学生报告更长使用时间(42.3%超过2小时/日)。主要障碍包括课程整合不足(48.2%)、伦理与隐私担忧(47.9%)及培训中心缺乏(40.4%)。多元逻辑回归显示,学院归属(牙科OR=1.69,p=0.002;医学OR=1.37,p=0.034)和知识得分(OR=1.26,p=0.001)是AI采纳的显著预测因素,而性别、年级及先前AI培训无显著影响。研究结论指出,尽管AI使用广泛,但学生参与仍属非正式,受课程、基础设施及伦理障碍制约,需通过课程改革、教师发展及数字基础设施改善来促进负责任整合。该论文发表在《PLOS Digital Health》上。
三、主要关键技术与方法
研究人员采用描述性横断面设计,通过便利抽样从2024-2025学年注册学生中招募666名参与者。数据使用结构化的自填问卷收集,问卷包含五个领域:人口统计学与使用特征、AI知识(7项是非题)、态度(10项Likert量表)、实践行为(7项频率量表)及障碍(7项)。问卷经过内容效度(专家评审)和结构效度(项目-总相关分析和探索性因子分析)验证,整体Cronbach's α为0.763。统计分析使用SPSS 20,包括描述性统计、Kolmogorov-Smirnov正态性检验、Mann-Whitney U检验、Kruskal-Wallis检验、卡方分析及多元逻辑回归。样本来自巴勒斯坦理工大学护理、医学与健康科学及牙科三个学院,其中女性占73.9%,平均年龄20±1.83岁。
四、研究结果
1. 参与者特征:666名学生参与,女性占73.9%,平均年龄20±1.83岁。学院分布:护理36.3%,医学与健康科学36.8%,牙科26.9%。93.4%的学生报告使用AI,仅6.6%未使用。
2. AI使用模式:最常用目的是学习支持(87.7%),其次为书面作业(57.5%)、个人用途(54.2%)和研究相关任务(48.2%)。仅21.2%用于专业或临床学习,表明AI使用以学术任务为主,临床应用有限。
3. 每日使用时长:34.0%的学生每日使用少于30分钟,34.2%使用30-60分钟,19.0%使用1-2小时,仅12.8%超过2小时。总体使用频繁但单次时间短。
4. 学院间差异:卡方检验显示学院与AI使用频率显著相关(p=0.008),牙科学生每日使用超过2小时的比例最高(42.3%),护理和医学学生多为1小时以内。
5. AI采纳障碍:最常见障碍为课程整合不足(48.2%),其次为伦理与隐私担忧(47.9%)、缺乏培训中心(40.4%)、缺乏知识或专长(38.6%)、时间限制(34.8%)、设备访问受限(29.9%)及系统复杂性(28.2%)。
6. 采纳决定因素:非参数检验显示学院归属与AI实践得分显著相关(H=18.100,p<0.001),牙科和医学学生得分高于护理学生。性别、年级及先前培训无显著差异。
7. 多元逻辑回归:学院归属(牙科OR=1.69,p=0.002;医学OR=1.37,p=0.034)和知识得分(OR=1.26,p=0.001)为显著预测因素,而性别、年级、先前培训不显著。
五、讨论与结论总结
讨论部分强调了高使用率与有限知识之间的“无理解采纳”悖论,指出学生缺乏批判性评估AI输出的能力。学院间差异可能源于牙科教育中数字成像、三维建模和计算机辅助诊断的整合较多,而护理课程整合较慢。知识得分与采纳正相关符合技术接受模型,性别无差异反映年轻群体中数字技术采纳的性别中立趋势。结构性障碍如课程整合不足、培训缺乏和伦理担忧,与低资源环境中的机构准备度密切相关。巴勒斯坦特有的基础设施和政治不稳定加剧了这些挑战。结论部分翻译:本研究为巴勒斯坦理工大学健康科学学生AI使用的障碍、采纳模式及决定因素提供了重要见解。尽管AI使用广泛,但学生主要将其用于学术和个人目的,而非专业或临床任务。采纳模式在不同学科间存在显著差异,学院归属成为实践得分的最强决定因素。尽管对AI有浓厚兴趣,但重大的系统性障碍——最显著的是课程整合有限、伦理担忧和培训机会不足——仍阻碍着有意义且负责任的AI采纳。这些发现强调了在巴勒斯坦健康科学教育中采取战略性、全校性方法进行AI整合的紧迫性。应优先考虑课程改革、教师发展、伦理指导和资源增强,以确保学生具备应对日益数字化医疗环境所需的能力。解决这些差距不仅对于提高教育质量至关重要,而且对于培养能够利用AI改善患者护理、安全和卫生系统效率的数字能力型劳动力也是必要的。