
-
生物通官微
陪你抓住生命科技
跳动的脉搏
医学学生AI依赖与自我效能、学业压力、表现期望及拖延的关联研究
《BMC Medical Education》:Association of self-efficacy, stress, performance expectation, and procrastination with AI dependency among medical students at a public sector university in Pakistan
【字体: 大 中 小 】 时间:2026年10月09日 来源:BMC Medical Education 4.2
编辑推荐:
摘要背景教育机构日益广泛地采用人工智能(AI),引发了关于学生在学习过程中对AI依赖程度的担忧。尽管AI可以帮助学生更高效地学习,但过度依赖AI可能会负面影响未来医疗专业人员所需的批判性思维和解决问题能力的发展。医学学生对AI的依赖已成为一个新兴问题。本研究考察了巴基斯坦一所
教育机构日益广泛地采用人工智能(AI),引发了关于学生在学习过程中对AI依赖程度的担忧。尽管AI可以帮助学生更高效地学习,但过度依赖AI可能会负面影响未来医疗专业人员所需的批判性思维和解决问题能力的发展。医学学生对AI的依赖已成为一个新兴问题。本研究考察了巴基斯坦一所公立大学医学学生的自我效能、学业压力、表现期望和拖延与AI依赖之间的关联。
本研究采用横断面定量研究方法,对巴基斯坦卡拉奇一所公立大学的310名医学院本科(MBBS)学生进行了调查,涵盖所有学年。数据收集使用经过验证的量表,包括自我效能(6个项目)、学业压力(6个项目)、表现期望(4个项目)、拖延(学术情境拖延量表)和AI依赖(5个项目)。使用SmartPLS 3.3.3进行偏最小二乘结构方程建模(PLS-SEM),以检验潜变量与AI依赖之间的关联。
在参与者中,94.19%报告曾使用过ChatGPT,90.97%报告主要使用AI进行学术辅助。结构模型解释了AI依赖24.4%的变异(R2 = 0.244)。拖延与AI依赖呈最强的正相关(β = 0.427, p = 0.001),对应中等效应量(f2 = 0.239)。表现期望呈小而显著的正相关(β = 0.143, p = 0.013),自我效能也呈小而显著的正相关(β = 0.128, p = 0.046)。学业压力与AI依赖无显著关联(β = -0.007, p = 0.935)。
在这一横断面样本中,拖延与AI依赖呈最强的正相关,其次是表现期望和自我效能,而学业压力与AI依赖无显著关联。这些关联表明,该样本中的AI使用可能更多与自我调节和动机因素相关,而非与压力相关。研究结果凸显了聚焦于自我调节和时间管理的干预措施在支持医学教育中平衡AI融合的同时,保留批判性思维和独立学习技能的潜在价值。
教育机构日益广泛地采用人工智能(AI),引发了关于学生在学习过程中对AI依赖程度的担忧。尽管AI可以帮助学生更高效地学习,但过度依赖AI可能会负面影响未来医疗专业人员所需的批判性思维和解决问题能力的发展。医学学生对AI的依赖已成为一个新兴问题。本研究考察了巴基斯坦一所公立大学医学学生的自我效能、学业压力、表现期望和拖延与AI依赖之间的关联。
本研究采用横断面定量研究方法,对巴基斯坦卡拉奇一所公立大学的310名医学院本科(MBBS)学生进行了调查,涵盖所有学年。数据收集使用经过验证的量表,包括自我效能(6个项目)、学业压力(6个项目)、表现期望(4个项目)、拖延(学术情境拖延量表)和AI依赖(5个项目)。使用SmartPLS 3.3.3进行偏最小二乘结构方程建模(PLS-SEM),以检验潜变量与AI依赖之间的关联。
在参与者中,94.19%报告曾使用过ChatGPT,90.97%报告主要使用AI进行学术辅助。结构模型解释了AI依赖24.4%的变异(R2 = 0.244)。拖延与AI依赖呈最强的正相关(β = 0.427, p = 0.001),对应中等效应量(f2 = 0.239)。表现期望呈小而显著的正相关(β = 0.143, p = 0.013),自我效能也呈小而显著的正相关(β = 0.128, p = 0.046)。学业压力与AI依赖无显著关联(β = -0.007, p = 0.935)。
在这一横断面样本中,拖延与AI依赖呈最强的正相关,其次是表现期望和自我效能,而学业压力与AI依赖无显著关联。这些关联表明,该样本中的AI使用可能更多与自我调节和动机因素相关,而非与压力相关。研究结果凸显了聚焦于自我调节和时间管理的干预措施在支持医学教育中平衡AI融合的同时,保留批判性思维和独立学习技能的潜在价值。