|
|
人工智能赋能医学生科研训练课程的探索
高芙蓉, 许洁, 金彩霞, 李姣, 王娟, 刘玉红, 李思光, 张玲, 曹金凤, 章小清, 吕立夏
2026, 46 (8):
567-572.
DOI: 10.3760/cma.j.cn115259-20250903-01055
摘要
(
42 )
PDF(892KB)
(
19
)
人工智能(artificial intelligence, AI)技术的飞速发展推动着医学教育向数据驱动模式转型,为医学生科研训练带来新的机遇。当前,医学生科研训练教学普遍面临科研入门门槛高、学生难以独立完成从选题到方案设计完整流程的问题。为此,本研究基于“以学生为中心”和“一致性建构”原则,构建了“任务引擎”驱动的“目标-活动-评价”一体化智慧教学模式,通过序列化任务将AI工具深度融入虚拟选题、科研设计与成果评价等核心教学环节,并以同济大学医学院2023级临床医学(“5+3”一体化)专业135名学生为对象开展教学实践,采用问卷调查方法评估教学效果。结果显示,课程有效提升了医学生的AI素养:在AI基础能力方面,完全无AI基础的医学生比例从课前10.4%(14/135)下降至课后0.8%(1/131);在概念认知方面,了解机器学习、深度学习、自然语言处理的医学生比例分别从75.6%(102/135)、68.9%(93/135)、43.0%(58/135)提升至91.6%(120/131)、88.5%(116/131)、70.2%(92/131);在工具应用方面,每天多次使用AI工具的医学生比例从3.7%(5/135)升至55.0%(72/131),认为AI显著提升科研效率的医学生比例从20.0%(27/135)升至68.7%(90/131);在批判性思维方面,主动验证AI信息可靠性的医学生比例从36.3%(49/135)升至55.0%(72/131),对AI结论质疑并验证的医学生比例从33.3%(45/135)升至48.1%(63/131)。研究结果表明,以任务引擎系统化融入AI的教学模式可以有效提升医学生的AI概念认知和工具应用能力,显著提高科研训练效率,但在批判性思维能力培养上效果相对有限,这提示AI赋能教学需要在实施中防范技术依赖,通过嵌入强制性验证与反思环节等结构化设计,促进医学生高阶思维的同步发展。
参考文献 |
相关文章 |
计量指标
|