基于认知学徒制的AI支持问题式学习对医学学生认知表现与自我评价的提升作用
《BMC Medical Education》:Integrating generative AI into cognitive apprenticeship–based problem-based learning in biochemistry: a quasi-experimental study
【字体:
大
中
小
】
时间:2026年10月09日
来源:BMC Medical Education 4.2
编辑推荐:
基于认知学徒制框架构建的AI支持问题式学习(AI-CAS-PBL)模型在医学教育中有效提升了学生的认知表现和自我评价
**摘要**
**背景**
问题式学习(PBL)被广泛应用于医学教育中,以促进高阶认知能力的发展。然而,在医学基础教学阶段,初学学习者常常因认知负荷过高
基于认知学徒制框架构建的AI支持问题式学习(AI-CAS-PBL)模型在医学教育中有效提升了学生的认知表现和自我评价**摘要****背景**问题式学习(PBL)被广泛应用于医学教育中,以促进高阶认知能力的发展。然而,在医学基础教学阶段,初学学习者常常因认知负荷过高而难以形成连贯的知识结构。生成式人工智能(GenAI)为学习支持带来了新的机遇,但其在医学教育中的教学角色和整合机制尚未得到充分探索。**方法**本研究基于认知学徒制框架开发了一种AI支持的问题式学习模型(AI-CAS-PBL)。以生物化学课程中的"脂质代谢"单元为研究对象,采用准实验设计,将AI-CAS-PBL与传统PBL及讲授式学习(LBL)进行比较。三组由同一位教师授课。各组的学时目标、核心内容、计划授课时间、案例材料及学习成果评估程序均保持标准化,而教学方法、学习支持及课外活动则有所不同。AI学习智能体基于Coze平台开发,搭载豆包1.5 Pro 32K大语言模型。学习成果包括脂质代谢知识掌握情况和基于案例的临床推理能力;同时评估了技术接受度、以NASA任务负荷指数(NASA-TLX)衡量的主观认知负荷、自我效能感以及认知学徒体验。**结果**AI-CAS-PBL组学生的脂质代谢知识和临床应用分析后测得分显著高于传统PBL组和LBL组(*P* 均 < 0.05)。学生对该AI学习智能体的感知有用性和感知易用性评价较高。与传统PBL组相比,AI-CAS-PBL组学生的主观认知负荷更低,自我效能感更高。**结论**AI-CAS-PBL组在干预后的脂质代谢知识和基于案例的临床推理得分上优于传统PBL组和LBL组。与传统PBL相比,AI-CAS-PBL组学生的主观认知负荷更低,自我效能感更高。这些结果提示,AI辅助提问与教师示范行为可能提供互补的教学支持形式。然而,由于研究未直接考察AI与教师支架之间的交互作用,所提出的双支架框架应被视为一种理论驱动的解读,而非已证实的因果路径。该模型代表了人机协同教学的一种有前景的路径,值得在更大规模、多中心、多班级的研究中进一步验证。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号