生成式人工智能虚拟人对护理专业学生自我报告的沟通能力、自主学习能力和自我效能感的影响:一项准实验研究
《Nurse Education Today》:Effects of generative AI virtual humans on nursing students' self-reported communication skills, self-directed learning, and self-efficacy: A quasi-experimental study
【字体:
大
中
小
】
时间:2026年10月09日
来源:Nurse Education Today 4.7
编辑推荐:
• 一种生成式人工智能虚拟患者系统被整合到了护理教育中。• 该系统在提升学生沟通技能方面的有效性得到了检验。• 沟通能力、自主学习能力和整体自我效能感都有所提高。• 人工智能虚拟人类可以纳入临床课程和混合式学习中。
引言
临床沟通是护理工作的核心能力,它支持护患关系,并与患者安
• 一种生成式人工智能虚拟患者系统被整合到了护理教育中。• 该系统在提升学生沟通技能方面的有效性得到了检验。• 沟通能力、自主学习能力和整体自我效能感都有所提高。• 人工智能虚拟人类可以纳入临床课程和混合式学习中。
引言
临床沟通是护理工作的核心能力,它支持护患关系,并与患者安全、满意度和护理质量密切相关(Mata等人,2021;Mujiyanti等人,2023;Roman和Pineiro,2023;Venktaramana等人,2022;Wieke Noviyanti等人,2021)。然而,护理学生往往缺乏以患者为中心的沟通技巧,可能表现出有限的同理心、表面化的回应、难以适应患者的需求、容易被打断,以及过度依赖封闭式问题(Dodson等人,2023;Jeon和Choi,2021;Jeon等人,2024;Kim和Kim,2023;Pérez-Martín等人,2022)。这些挑战在初期临床实习期间尤为明显,因为新手学生需要在保持结构化、以患者为中心的互动的同时收集患者信息(Jeon和Choi,2021;Jeon等人,2024)。因此,沟通可能会变得零散、不集中或无效,这突显了在基础护理教育中需要更有效的沟通培训(Dodson等人,2023)。
从体验学习和自我调节学习理论的角度来看,沟通能力是通过积极参与、反复练习、及时反馈、反思和自我监控来发展的(Ericsson等人,1993;Kolb,1984;Zimmerman,2002)。在这项研究中,生成式人工智能虚拟人类(VH)的干预设计旨在与Kolb的体验学习周期相匹配。学生参与了模拟的护患互动,获得了即时反馈,反思了自己的表现,识别了需要改进的领域,并在后续的练习中应用了这些见解。该干预还通过提供明确的任务目标、实时反馈、表现评分和教师引导的总结来支持自我调节学习,从而促进反思和技能提升。
因此,提供重复性、以反馈为导向且情境丰富的练习的培训方法可能特别有价值。生成式人工智能VH提供了一个可扩展的平台,用于模拟临床互动并即时提供反馈,支持有目的的练习和反思性学习。在这项研究中,沟通培训遵循了CICARE框架,该框架通过六个领域强调以患者为中心的治疗性沟通:建立联系、介绍、沟通、提问、回应和结束对话。与主要关注跨专业交接或团队合作的框架不同,CICARE非常适合护理新手的基础沟通培训(Rubin,2016)。据此,AI VH脚本围绕这六个领域开发,以加强学生在模拟护患互动中发起对话、收集患者信息、提供同理心回应和进行结构化以患者为中心的沟通的能力(Lu等人,2023)。
VH逐渐成为护理和医学教育中的重要工具,常用于提供重复练习和体验学习的机会,以培养临床推理和沟通能力(Chou等人,2024;Kotwal等人,2021;Liaw等人,2023;Padilha等人,2025;Sim等人,2022)。VH是为教育目的而设计的计算机生成的角色,能够模拟真实患者的行为。通过这种互动学习过程,护理学生有机会获得解决临床问题所需的基本知识和技能。使用虚拟患者将理论与实践联系起来,可以帮助护理学生发展与临床实践相关的临床推理能力(Redmond等人,2020)。虚拟患者提供了重复的、自主安排练习的机会,使学生能够参与多种沟通情境,并支持他们的自主学习和知识构建(Sunnqvist等人,2016)。
尽管基于虚拟现实(VR)的模拟在沟通技能培训中显示出有效性,但仍存在一些局限性。首先,基于VR的系统通常需要昂贵的硬件、专门的设施和技术支持,这可能限制其在常规护理教育环境中的可访问性和可扩展性(Lie等人,2023)。其次,一些学生在沉浸式VR使用过程中会感到不适、出现晕动症或认知过载,这可能阻碍学习参与度和表现(Kurul等人,2020)。第三,大多数基于VR的干预主要关注短期效果,提供的个性化实时语言反馈机会有限(Cho和Kim,2024;Deng等人,2025)。此外,现有的VR研究主要针对高年级学生或高级临床培训,对基础护理课程中的新手学习者的关注较少(Deng等人,2025)。关于非沉浸式、以反馈为导向的环境中沟通培训效果可持续性的纵向证据仍然稀缺(Deng等人,2025)。这些局限性突显了需要成本效益高、可扩展且适合早期护理学生的替代方法。
Virti开发的生成式人工智能(AI)VH是一种模拟真实沟通场景的培训系统。该系统代表了一种高度真实且可定制的数字教学工具(Burgues等人,2024)。随着大型语言模型和自然语言处理技术的最新进展,生成式虚拟患者现在能够参与实时的开放式对话,并产生灵活的、情境敏感的回应(Cook等人,2025;Luo等人,2025;Wang等人,2025)。因此,通过将AI对话技术与虚拟角色互动结合起来,它使护理学生能够在无风险的环境中反复练习患者沟通和临床响应技能。它们帮助学生练习病史采集、表达同理心,并发展以患者为中心的沟通技能(Luo等人,2025;Wang等人,2025)。此外,生成式AI技术迅速发展,使虚拟患者系统能够实时创建个性化且多样的语言回应场景,并通过对话模拟来提高学生的临床沟通和评估技能(Cook等人,2025;Luo等人,2025;Wang等人,2025)。先前的研究表明,AI虚拟患者可以为学生提供一个安全且可重复的练习平台,以提高他们的语言组织能力、响应能力和沟通自信,特别适合新手实习学生的沟通培训(Benfatah等人,2024)。
重要的是,值得注意的是,这些虚拟患者系统不需要沉浸式VR设备;仅使用普通电脑或平板电脑即可进行互动。这使得它们在护理课堂环境中更容易实施和普及,从而具有很高的可访问性和可扩展性(Dong等人,2025;?ncü等人,2025)。虽然传统的角色扮演、标准化患者和教师主导的演示方法对沟通培训仍有价值,但它们受到练习时间有限、教师可用性有限、反馈不一致以及场景变化有限的限制(Corves等人,2024;Hamarash等人,2024)。然而,沟通能力需要重复的、适应性的、情境敏感的练习以及即时反馈,这在大型基础护理课程中难以维持(Chou等人,2024)。VH通过提供真实的、可重复的、标准化的患者互动来帮助解决这一需求。与传统基于规则的虚拟患者不同,由大型语言模型驱动的虚拟模拟患者可以根据学习者的输入生成动态的、情境敏感的对话和个人化反馈,从而实现更加适应性的沟通培训(Cook等人,2025;Suárez-García等人,2025)。
Virti平台结合了结构化临床场景、基于自然语言的对话代理和自动化的表现分析,提供了可扩展的、以反馈为导向的沟通培训。其非沉浸式设计允许在没有专用VR硬件的标准数字设备上使用。证据表明,基于屏幕的模拟可以在医疗教育中产生与沉浸式VR相当的学习成果(Dong等人,2025),使其成为常规教学的实用选择,尤其是在大型本科护理课程中(Deng等人,2025)。这一点在基础护理课程中尤为重要,因为新手学习者需要反复和个性化的沟通练习,但这样的机会往往有限(Chou等人,2024)。因此,将VH与生成式AI结合不仅是一种技术创新,也是对传统沟通培训局限性的教学回应。
在我们的机构环境中也观察到了类似的沟通挑战。在监督二年级护理学生的首次医院实习时,我们发现尽管他们已经掌握了基本的护理知识和技能,但他们常常犹豫是否开始对话,表达不清,并且难以专注于关键的评估点。他们还容易被患者的话题分散注意力(Dodson等人,2023),有时这会导致他们忘记主要话题或错过评估患者理解的机会。这些困难可能会影响身体需求评估的质量,增加学生的挫败感、自我怀疑和沟通焦虑,从而降低学习动机和临床表现(Kahriman等人,2024;Schulenberg等人,2024)。
大多数关于生成式AI虚拟患者的研究都集中在医学生或高级护理学生身上,并强调了临床决策培训(Hale等人,2024;Kassianos等人,2023;Tsang,2023)。关于基础护理教育中的证据仍然有限,特别是关于二年级护理学生在首次临床实习期间的沟通需求。这一空白提出了一个问题:生成式AI虚拟患者是否可以帮助新手学习者的沟通技能、自主学习和自我效能感。为了解决这一空白,本研究采用准实验设计,将非VR生成式AI VH整合到基础护理实习中,并检验其对二年级护理学生沟通技能的影响。
研究设计
本研究采用了带有前测、后测和随访测量的准实验设计,包括一个接受生成式AI VH的实验组和一个接受传统讲座和角色扮演的对照组。研究程序如图1所示。数据收集时间为2025年2月24日至2025年6月23日。研究分为两个阶段:第一阶段侧重于使用生成式AI VH构建场景和内容准备;第二阶段涉及……
参与者人口统计和特征
共有45名学生被招募到实验组和对照组。然而,对照组中有4名学生的数据不完整,因此该组的最终样本为41人,总样本量为86人。为了进一步评估样本的充分性,对每个主要结果的广义估计方程交互项进行了事后效应大小分析。每个结果检查了两个交互效应,大多数Cohen's d值超过了0.80,表明效应较大。
讨论
本研究开发并初步评估了基于生成式AI VH的系统,以考察其对护理学生自我报告的沟通技能、自主学习和整体自我效能感的短期和长期影响。这些发现表明,生成式AI VH可以模拟临床沟通场景,为学生提供重复练习的机会,并促进沟通技能的掌握和内化。然而,生成式AI VH也可能存在局限性。
结论
本研究为将生成式AI技术整合到护理教育中提供了重要的实证支持。所提出的生成式AI VH配备了实时反馈机制和高度真实的模拟,为护理学生创建了一个安全且沉浸式的学习环境。结果,学生在临床沟通技能、自主学习和整体自我效能感方面表现出显著提升。
作者贡献声明
Chin-Ting Lee:写作 – 原稿撰写、方法学、研究设计、资金获取、数据分析、概念化。
Chi-Wen Chen:写作 – 审稿与编辑、验证、监督、资源准备、方法学、数据分析、概念化。
伦理
本研究得到了MacKay纪念医院机构审查委员会的批准(批准编号:24MMHIS429e),并遵循了《赫尔辛基宣言》的伦理原则。
资金来源
本研究由Higher Education Sprout Project(113-A2-2-18)资助。
利益冲突声明
作者声明没有潜在的利益冲突,无论是实际的还是感知到的。
致谢
作者衷心感谢所有参与研究的受试者。
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