从探索到应用:对独立生成式人工智能工具在本科护理教育中的使用及其对学习成果影响的综述

《Nurse Education in Practice》:From exploration to application: A scoping review of stand-alone generative AI tool use in undergraduate nursing education and its impact on learning outcomes

【字体: 大 中 小 】 时间:2026年10月09日 来源:Nurse Education in Practice 4.5

编辑推荐:

  • 教学设计直接决定了学生的学习成果。 • 在引导式生成式人工智能(GenAI)的使用下,学习效果远优于自主学习。 • 学生与独立GenAI的真正互动尚未得到充分探索。 • 更严格的评估对于基于证据的GenAI整合至关重要。 引言 2023年ChatGPT-3公开发布后,生成式

  • 教学设计直接决定了学生的学习成果。
• 在引导式生成式人工智能(GenAI)的使用下,学习效果远优于自主学习。
• 学生与独立GenAI的真正互动尚未得到充分探索。
• 更严格的评估对于基于证据的GenAI整合至关重要。

引言
2023年ChatGPT-3公开发布后,生成式人工智能(Gen-AI)工具的出现彻底改变了高等教育中知识的获取、生产和应用方式(Go和Lee,2026年)。这些由大型语言模型(LLMs)驱动的独立GenAI工具能够根据用户的具体提示生成类似人类的文本响应、图像和其他数据,其应用范围不仅限于知识获取和内容生成(Chan,2025年;Hardie等人,2026年)。这一现象引发了对如何利用这些工具来提升高等教育中学习效果的浓厚兴趣,同时也引发了关于它们对学生参与度、批判性思维、学术伦理和学术诚信影响的重要讨论(Hardie等人,2026年;Milakis等人,2025年)。

在护理高等教育领域,相关研究证据也在不断积累:从早期关注GenAI工具潜在影响的讨论(Irwin等人,2023年),到大量横断面研究考察教育者和学生对这些工具的态度、认知及接受度(Labrague和Al Harrasi,2025年),再到这些工具的概念性应用(Chan,2025年),以及探讨其在课堂中的可行应用(Amankwaa等人,2025年;Go和Lee,2026年;Hardie等人,2026年;Park等人,2024年)。然而,尽管有大量相关研究,但对于本科生在护理教育环境中实际使用独立GenAI工具(即通过移动或桌面平台访问的、由用户生成提示的工具,包括但不限于ChatGPT、Copilot、Claude、DeepSeek或Gemini)的体验却鲜有关注(Amankwaa等人,2025年)。

新兴的研究表明,GenAI工具可能有助于特定学科的知识获取(Go和Lee,2026年;Park等人,2024年)和临床推理(Sengul和Sar?k?se,2025年),但同时也引发了对学术诚信、准确性以及过度依赖AI生成结果问题的担忧(Hardie等人,2026年)。现有综述指出,现有证据主要集中在讨论性和探索性研究上,针对独立GenAI对本科生学习成果影响的实证研究相对较少(Hardie等人,2026年)。即使存在实证研究,也大多是描述性的或定性的,很少使用随机对照试验等严谨的研究设计来评估其在不同教育环境中的有效性(Park等人,2024年)。此外,对于教育者如何从教学角度构建独立GenAI活动、学生如何在实际教育环境中使用这些工具,以及实施方法和教育指导水平如何影响学生的学习体验和成果,也缺乏深入研究(Basil等人,2026年;Ghimire和Qiu,2025年;Hardie等人,2026年)。

尽管已经制定了指导负责任使用的教育机构框架(澳大利亚政府教育部,2023年;Bassett,2025年;Castonguay等人,2023年),但不同机构、学科、科目和教育者之间的实际应用情况仍存在很大差异,这反映了机构政策、数字能力、教学信心以及对GenAI经验的差异(Amankwaa等人,2025年;Bassett,2025年;Hamadeh等人,2026年)。因此,尽管这些技术在学习中越来越被使用,但护理本科生在使用GenAI时往往面临不同的学习体验和教育指导水平(Abuadas等人,2025年;Borromeo等人,2025年;Tseng等人,2025年)。随着GenAI在医疗保健实践中的日益普及,这种差异性显得尤为重要,亟需基于证据的教学方法来指导其应用。

值得注意的是,这种差异性部分源于GenAI在教育环境中应用的差异。教育应用大致可分为两类:应用程序编程接口(API)集成系统和独立GenAI应用(Haki等人,2025年)。API是一种软件机制,允许不同应用与底层GenAI模型通信,从而将AI功能嵌入现有软件平台中(数字转型署,无日期)。在护理教育中,API集成的GenAI已被应用于学习管理系统(Alrazeeni等人,2026年)、教育软件平台以增强虚拟患者模拟(Harder等人,2025年)以及辅助反馈的模拟平台(Benfatah等人,2026年)。在这种应用场景中,教育者通常与软件工程师合作设计结构化的、针对特定内容的学习体验(Kestel等人,2025年),通过预定义的提示、工作流程、教学路径和反馈机制来实现。学生通过与专门为达成特定学习目标而设计的软件互动,而不是直接与独立GenAI应用交互(Shen等人,2025年)。

相比之下,独立GenAI应用(如ChatGPT或Copilot)则是用户自行发起的工具,允许学生通过自动生成的提示直接与底层LLM交互(Irwin等人,2025年)。虽然这些应用可以融入教学、学习和评估活动中,但教育体验本身并非内置在技术中,而是由教育者决定如何将它们纳入教学、学习和评估过程中,从而导致不同的教学指导水平(Cucci等人,2025年)。因此,独立GenAI的教育价值超出了技术本身,很大程度上受到学生使用这些工具的教学方式的影响。本综述第2.4节详细介绍了用于确定研究资格的独立GenAI的操作定义。

现有的护理教育领域综述大致概述了GenAI的应用情况,以及教育者和学生的态度和伦理考量(Amankwaa等人,2025年;Hardie等人,2026年)。但这些综述大多从整体上讨论了各种GenAI工具、用户群体和非实证数据,未探讨教育者对独立工具使用指导与学习成果之间的关系。这一点在护理教育中尤为重要,因为毕业生必须具备扎实的临床推理和专业判断能力。Amankwaa等人(2025年)指出,GenAI与现有教学框架的整合不足是一个关键问题,并呼吁进一步研究如何更清晰地描述护理教育中的GenAI应用,以及教学结构与学生自主使用这些工具之间的关系。

因此,了解独立GenAI在本科护理教育中的实施情况对于解读其学习成果和指导未来的教学实践至关重要。本综述旨在探讨有关独立GenAI工具在本科护理教育中应用的现有文献,重点关注这些技术如何被实施以及学生如何在高等教育环境中使用它们。同时,也试图探讨这些方法对学习成果、可用性、教育参与度和学生整体体验的影响。

**方法**
据我们所知,这是首次专门研究独立GenAI工具在本科护理教育中的应用情况,特别是其教学实施、学习成果、可用性和学生体验的综述。本次综述围绕以下问题展开:
1. 护理本科生如何在本科护理教育环境中使用独立GenAI工具?
2. 目前对独立GenAI工具的应用情况有哪些了解?

**结果**
如图1所示,广泛的电子搜索共获得了618条非重复记录,经过初步筛选(标题和摘要)。其中113条记录被选中进行全文审查。经过全文审查后,有26篇文章符合纳入标准并被纳入综述。
从地理分布来看,大多数研究在土耳其(6篇)、台湾(5篇)、中国(4篇)、美国(3篇)和澳大利亚(2篇)进行。

**讨论**
本综述旨在探讨独立GenAI应用在本科护理教育中的实施情况,并分析其对学习成果、可用性、教育参与度和学生整体体验的影响。研究结果表明,独立GenAI在本科护理课程中的教学整合方式存在显著差异。

**结论**
本综述表明,独立GenAI在本科护理教育中的教育价值更多受到教学方式的影响,而非技术本身。高度结构化的GenAI整合方法,包括教育者的指导、明确的提示策略、对AI生成结果的验证以及批判性反思的机会,与学生学习能力的提升密切相关。

**作者贡献声明**
Mathew Ellis:撰写——审阅与编辑、初稿撰写、项目管理、数据分析、概念化。
Samantha Jakimowicz:撰写——审阅与编辑、数据分析、概念化。
Lorraine Rose:撰写——审阅与编辑、资源整理、概念化。
Shanna Fealy:撰写——审阅与编辑、初稿撰写、监督、数据分析、概念化。

**伦理批准**
不适用。本研究为对已发表文献的综述,未涉及人类参与者、可识别的个人数据或原始数据收集。

**审稿注册**
该综述计划于2025年5月在开放科学框架(OSF)上进行注册,先于主要数据库搜索:https://osf.io/jc3xu

**研究支持**
本研究未获得任何外部财务或非财务支持。

**利益关系**
作者声明无其他需要披露的利益关系。

**专利和知识产权**
作者未涉及任何专利或知识产权相关事项。

**其他活动**
作者未披露其他相关活动。

**关于写作过程中使用生成式AI和AI辅助技术的声明**
作者使用了GenAI工具(ChatGPT 5.5)进行语言编辑。使用后,作者对内容进行了必要的审阅和修改,并对发表文章的内容负全责。

**资金**
本研究未获得任何公共、商业或非营利机构的资助。

**利益冲突声明**
作者声明无利益冲突。本研究完全独立完成,未涉及任何可能被视为利益冲突的商业或财务利益关系。

**致谢**
Mathew Ellis | Samantha Jakimowicz | Lorraine Rose | Shanna Fealy
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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