《Computers and Education: Artificial Intelligence》：When the Algorithm Enters the Classroom: A Critical Integrative Review of Large Language Models, Nursing Education Structural Gaps, and the Reconstitution of Professional Identity
大型语言模型（Large Language Models，LLMs）正以超出该领域评估其后果能力的速度被整合到护理教育中。现有综述已绘制了LLMs在护理情境中能做什么的图谱。在本综述所识别的综述中，没有一项考察了这种整合如何影响护理专业知识形成所依赖的专业发展过程。本批判性整合综述旨在填补这一空白。遵循Whittemore和Knafl（2005）的五阶段框架，研究人员系统检索了四个数据库（PubMed/MEDLINE、Web of Science、Scopus、CINAHL），时间范围为2017年1月至2025年12月，最终纳入来自47个国家/地区的489项研究。两名评审员独立筛选了全部1,182条记录；标题和摘要阶段的评审员间一致性为κ=0.67，全文阶段为κ=0.78。研究结果通过整合理论框架进行分析，该框架结合了Benner的专业技能获取模型、认知负荷理论（Sweller, 1988）、自动化偏见（Parasuraman & Manzey, 2010）和Wenger的参与式身份形成理论。产生了三个主要发现。第一，LLMs解决了护理教育中真实的结构性缺口——包括个性化学习支持和临床模拟机会的不足——但其益处始终受到实施框架、经济公平性和模型特定准确性局限性的调节。第二，LLM整合与能力增强和能力损耗均相关，具体取决于被替代的认知工作是与所发展能力无关的外在负荷，还是构成该能力的内在负荷；无结构的AI依赖与伦理推理和个性化临床判断的可测量缺陷相关。第三，对489项研究语料的证据缺口图显示，政策后果最大的领域恰恰由最不严谨的证据支持。研究人员未发现任何关于专业身份发展的随机或准实验研究，仅发现三项关于关系能力和伦理能力的准实验研究，且没有随访超过12个月的研究，而对照证据则集中在认知和技术结果上。本综述提出了专业身份张力模型（Professional Identity Tension Model），作为初步概念框架，用以区分支持专业形成的LLM整合与静默替代专业形成的整合，并提出了结构性共情抑制（Structural Empathy Suppression）概念，以重新框定AI在关系性指标上似乎优于护士的条件。护理教育中的LLMs既填补了结构性缺口，又塑造了专业身份；该领域现在需要能够区分这两者的研究设计和实施框架。
**1. Introduction**
论文指出，护理专业传统上由抗拒自动化的能力所定义，如临床判断、共情和专业身份，这些能力是护理的认识论核心。然而，随着大型语言模型（LLMs）在临床知识领域日益胜任，当算法能通过执业考试、生成护理计划和安抚焦虑患者时，其对护理学生学习过程的影响亟需系统考察。论文认为，该领域尚未足够严肃地提出这一问题。
**1.1 The Scale and Speed of a Transformation**
2022年11月ChatGPT的发布构成一个转折点。本文识别出2017至2025年间489项研究，其中2025年单年发表290篇（59.3%），超过此前所有年份的总和。实证结果既积极又矛盾：一些研究显示LLMs可减少护理文档时间达38.6%（p < .001）、提高课程满意度（d = 1.32）和问题解决能力（d = 0.60）；另一些准实验研究发现，以ChatGPT为主要学习资源的学生在伦理推理和临床判断上得分显著较低，且AI辅助学生虽获得更高总分但护理计划个性化程度和逻辑连贯性下降。这些矛盾需要理论解释。
**1.2 The Structural Conditions of Contemporary Nursing Education**
全球护理劳动力短缺持续十余年，世界卫生组织估计缺口达数百万，且集中于中低收入国家。师资短缺限制了个性化指导，临床实习容量未随招生增长而扩大，行政与文档负担侵占学习时间。三种结构性条件反复出现：大规模个性化学习支持不足、高质量临床模拟可及性受限且不均衡、专业能力渐进发展的结构性支撑缺乏。LLM整合正是在这种资源压力背景下发生的，而非在资源充足系统中的试验。
**1.3 What Existing Syntheses Have Established and Where They Stop**
已有综述如Hobensack等（2024）发现57%文献为社论或通讯稿；Gunawan等（2024）对46项研究的情感分析显示48%正面、31%负面、21%中立；Amankwaa等（2025）的107项范围综述中仅29%采用实证方法。这些综述均以LLM为分析对象，没有以护士为对象，未考察LLM整合对新手护士向专家发展的轨迹的影响。
**1.4 Towards an Integrated Theoretical Framework**
论文整合四种理论资源：Benner的专业技能获取模型（从新手到专家的质性转变，强调隐性知识）；认知负荷理论（内在负荷与外在负荷之分，以及内在负荷被替代的后果）；自动化偏见及其边界条件（如算法欣赏）；Wenger的参与式身份形成理论（身份通过实践共同体中的参与构成）。这些理论被整合为一个标准——LLM替代的认知和参与工作是否与所发展的能力无关——以及三个层面：任务层、能力层和身份层。
**1.5 Research Questions**
主要研究问题：LLM整合如何与护理教育的结构条件及护理专业获取专业发展过程相互作用？两个子问题分别关注LLM对个体化学习支持、临床模拟和胜任力发展等结构性缺口的影响及其边界条件，以及应用整合标准，LLM如何影响任务、能力和身份层面的专业发展过程，现有证据质量允许何种结论。
**1.6 Contributions of This Review**
理论贡献：提出专业身份张力模型，解释同一技术为何在不同情境产生相反结果。分析贡献：通过证据缺口图揭示领域内主张信心与证据质量之间的不匹配。概念贡献：提出结构性共情抑制，描述AI在关系指标上显得优于护士的条件。
**2. Methods**
采用Whittemore和Knafl（2005）的五阶段批判性整合综述框架：问题识别、文献检索、数据评估、数据分析、呈现。系统检索PubMed/MEDLINE、Web of Science、Scopus和CINAHL四个数据库，时间2017年1月至2025年12月。检索策略结合LLM/生成式AI术语簇与护理术语簇，采用布尔运算符AND。去重后获得1,182条独特记录，两名评审员独立筛选，标题/摘要阶段κ=0.67，全文阶段κ=0.78。全文评审后排除60项研究，另有8项无法获取，最终纳入489项研究。纳入标准涵盖LLM在护理或助产情境中的应用、护理相关人群、与学习结果或专业身份等相关发现等。数据提取使用标准化Excel表格，证据等级采用改良五级层级。分析分三阶段：结构性缺口描述综合、理论驱动的专业发展分析、证据缺口图谱构建。质量评价采用叙述性报告，不基于质量排除研究。本研究为文献综述，无需伦理批准。
**3. Results**
**3.1 Characteristics of Included Studies**
纳入489项研究。时间分布显示加速趋势：2023年52项（10.6%）、2024年145项（29.7%）、2025年290项（59.3%），2025年超过历年总和。地理分布集中：美国140项（28.6%）、中国75项（15.3%）、土耳其44项（9.0%），前三占53.0%，共47个国家/地区但有撒哈拉以南非洲和拉美代表极少。研究设计分布：意见/评论类138项（28.2%）、横断面调查83项（17.0%）、各类综述51项（10.4%）、质性研究46项（9.4%）、准实验36项（7.4%）、RCT仅12项（2.5%）。期刊分布以Nurse Education in Practice（46项）最多。
**3.2 LLM Integration and Structural Gaps in Nursing Education**
**3.2.1 The Individualised Learning Support Gap**
最高级别证据来自Arkan等（2025）的RCT（n=96），显示四周ChatGPT-3.5培训显著改善问题解决能力（d=0.60）、AI态度（d=0.69）、护理过程能力自我效能（d=0.81）和课程满意度（d=1.32），但约40%合格学生拒绝参与导致选择偏倚。Han等（2025）调查显示92%学生曾使用生成式AI工具，付费订阅是准入障碍。Topaz等（2025）发现AI生成文本检测软件对非英语母语者存在系统性偏见。
**3.2.2 The Clinical Simulation Access Gap**
Jo等（2025）识别出六种LLM虚拟患者模拟架构：基于场景生成、简单提示系统、迭代反馈系统、真实感增强系统、知识驱动多智能体混合系统、心理健康咨询系统。技术可行性证据一致，但领域定制是临床安全前提：检索增强生成在领域定制后准确率从43.27%升至73.29%（p < .001）。多数研究为小型单站点试点，无对照组，主要结局为感知真实感而非客观学习收获。
**3.2.3 The Academic and Professional Competency Development Gap**
Tseng等（2025）比较18周AI整合课程（n=203）与常规方法对照组，干预组总分更高（81.0 vs 75.8），但护理计划个性化程度更低，临床问题与护患干预之间逻辑联系更弱，表明AI提升了表面表现而侵蚀了深层临床推理。
**3.3 LLM Integration and Professional Competency Development**
**3.3.1 Evidence Supporting Competency Enhancement**
Wan等（2024）在2164例患者的大型RCT中显示，护士-AI协作在患者满意度（3.91±0.90 vs 3.39±1.15；p < .001）和沟通完整性（4.37 vs 3.42；p < .001）上显著优于护士单独护理，95%护士报告工作负担减轻。LLM在高度常规化沟通任务中可有效充当认知卸载工具。
**3.3.2 Evidence of Competency Attrition**
Shin等（2024）准实验（n=99）比较以ChatGPT-3.5为唯一学习资源与使用传统教科书的学生，在儿科虐待场景中，对照组在伦理标准（p < .001）和护理过程与临床推理（p < .001）上显著优于ChatGPT组。92.31%使用ChatGPT的学生承认AI可靠性局限但仍过度依赖且未交叉验证。
**3.3.3 Contradictory Findings and the Role of Implementation Context: A Theoretical Synthesis**
任务替代机制：当LLM提供完整临床推理链而非搭建学生建构过程时，它去除了内在负荷，学习事件被移除。习惯化机制：自动化偏见通过重复暴露而加深，学生可能形成对AI判断的倾向性顺从。身份机制：当LLM替代参与式经历时，改变了专业身份形成过程。Wan等（2024）中AI共情评分（4.14 vs 3.27；p < .001）高于护士，论文将这种现象称为结构性共情抑制，即系统条件使真实专业实践难以维持，算法一致性填补该缺口。
**3.4 Evidence Quality Assessment: The Gap Map**
证据缺口图显示七个领域共620个领域-研究配对。四个关键发现：第一，证据基础倒置，政策讨论最多的领域证据最少，专业身份与职业发展领域无RCT或准实验研究；第二，无随访超过12个月的研究；第三，关系与伦理能力领域被系统性低估，对照证据集中于认知和技术结果；第四，地理集中限制全球适用性。
**4. Discussion**
**4.1 Revisiting the Research Questions**
子问题1：LLM能解决实际结构限制，但受益在结构化教学框架中最为稳健，AI应定位为推理伙伴而非答案源。公平维度包括付费订阅障碍、检测工具偏见和领域特异性准确性限制。子问题2：同一工具依实施情境产生相反效果，符合本文标准：替代外在工作与能力提升相关，替代构成性工作与可测量缺陷相关。Benner框架使此模式理论上可理解。
**4.2 The Professional Identity Tension Model: A Preliminary Framework**
本文提出初步专业身份张力模型，在任务层、能力层和身份层形式化整合标准。任务层关注被替代活动是否具有发展功能；能力层表明正面结果集中于保留主动认知投入的实施，负面结果集中于替代推理过程；身份层基于Wenger理论，认为替代参与式经历会改变护士自我理解。模型强调实施设计是关键调节变量，并指出最需要关注的阶段是能力形成早期，因当前评估标准无法检测表现-学习分离。
**4.3 Situating This Review Within the Existing Synthesis Literature**
本文确认并量化了Hobensack等的观察，补充了Amankwaa等和Goktas等的功能映射，贡献了不同分析层次：关注LLM整合对专业发展过程本身的影响。
**4.4 Implications for Practice, Policy, and Research**
实践上，实施框架可能比工具能力更重要，应评估对主动认知投入的影响。政策上需解决公平维度，监管应要求证据证明实施设计保留专业发展过程。研究上优先四项：2-5年纵向追踪、关系与伦理能力的对照研究、区分表现与学习的设计（如延迟后测和迁移任务）、对中低收入国家研究的投资。
**4.5 Limitations**
限制包括：仅检索英文文献导致语言偏见；评审员一致性为中等至实质；理论框架未作为检索词可能未系统识别相关研究；专业身份张力模型和结构性共情抑制均为初步概念，需实证检验；部分监管启示基于预印本；缺乏纵向证据意味着身份相关结论依赖横断面和短期数据。
**5. Conclusion**
本文回答“LLM正在对护理教育做什么，而非仅仅能做什么”。489项研究表明，LLM填补了真实的结构性
