医学生毕业论文写作中使用大型语言模型的现状调查:一项比较横断面研究

《Frontiers in Medicine》:Current status of medical students’ use of large language models for graduation thesis writing: a comparative cross-sectional survey

【字体: 大 中 小 】 时间:2026年10月12日 来源:Frontiers in Medicine 3.6

编辑推荐:

  目的:本研究以技术接受模型(Technology Acceptance Model, TAM)作为概念框架,探讨了医学生在毕业论文写作中使用大型语言模型(Large Language Models, LLMs)的情况,重点关注应用模式、认知和潜在风险。 方法:

  
目的:本研究以技术接受模型(Technology Acceptance Model, TAM)作为概念框架,探讨了医学生在毕业论文写作中使用大型语言模型(Large Language Models, LLMs)的情况,重点关注应用模式、认知和潜在风险。 方法:采用便利抽样法,于2024年和2025年对中国医学院校的医学毕业生进行了一项比较横断面问卷调查。自行设计的25项问卷包括关于LLMs感知优势和劣势的李克特五点量表。内部一致性通过Cronbach's α进行评估,进行了探索性因子分析(Exploratory Factor Analysis, EFA),并使用单变量和多变量逻辑回归分析来识别与LLMs使用相关的因素。 结果:共收集341份有效问卷。总体而言,54.25%(185/341)的受访者报告在毕业论文写作中使用了LLMs,其中2024年的使用率为27.37%(52/190),2025年为88.08%(133/151)。ChatGPT是2024年最常用的平台(82.69%,43/52),而Deepseek是2025年最常用的平台(88.72%,118/133)。LLMs主要用于文献综述阶段(74.05%,137/185),主要目的是提供写作建议(82.16%,152/185)。感知优势的Cronbach's α为0.720,感知劣势为0.650,探索性因子分析确定了一个与预设的感知优势和劣势分组一致的双因子聚类模式。在LLMs使用者中,68.65%(127/185)认为使用LLMs不会损害学术诚信,而47.57%(88/185)仍然担心潜在的学术不端行为。主要的感知劣势包括学术不端风险、内容准确性有限以及数据隐私和安全问题。研究结果参照TAM相关概念作为解释框架进行了讨论。 结论:2025年调查中的LLMs使用率显著高于2024年调查。尽管LLMs提高了写作效率并提供了有价值的写作支持,但对学术诚信、内容准确性和数据隐私的担忧仍然是重要的考量因素。TAM为理解学生的采纳模式提供了一个有用的框架,并可能为医学教育中的人工智能教育和治理策略的发展提供信息。
研究背景与问题
随着人工智能技术的快速发展,大型语言模型(Large Language Models, LLMs,一种能够理解和生成人类语言的人工智能模型)已成为科学论文准备的重要辅助工具,其在语法修正、表达润色、文献综述草稿生成和写作灵感激发方面展现出明显优势。然而,AI的应用也面临重要挑战,包括生成内容的可靠性、抄袭风险以及对数据隐私和伦理的担忧。这些挑战构成了用户感知风险的重要维度,可能显著影响学生采纳技术的意愿。技术接受模型(Technology Acceptance Model, TAM,用于预测和理解用户对新技术的接受行为的理论框架)为理解和预测用户采纳新技术的意愿和行为提供了成熟的理论框架。此前的研究已应用TAM相关概念探索了影响LLMs接受度的因素。在此背景下,研究人员旨在以TAM为概念框架,调查医学毕业生在学位论文写作中对LLMs的使用情况,探索其用户体验和认知,并考察当前的应用状况、态度和技术采纳的潜在障碍。
研究方法
这是一项比较横断面研究,采用便利抽样法对2024年和2025年中国医学院校的医学毕业生进行调查。研究使用了自行设计的包含25个条目的问卷,内容涵盖基本信息、LLMs使用情况及对LLMs的感知。问卷的信效度通过Cronbach's α系数(评估问卷内部一致性的统计指标)和专家评定内容效度指数进行检验。数据分析使用了描述性统计、Pearson卡方检验、Fisher精确检验、独立样本t检验、平行分析和基于多分格相关矩阵的探索性因子分析(EFA,用于发现问卷条目背后潜在结构的方法),以及单变量和多变量二元逻辑回归分析。
研究结果
基线特征
共收集341份有效问卷,其中2024年190份,2025年151份。多数参与者年龄在26-30岁(46.04%),硕士研究生占90.91%,专业学位研究生占68.33%,主要专业为临床医学(40.47%)和护理学(49.85%)。
医学生毕业论文写作中使用LLMs的现状
在所有参与者中,54.25%报告在毕业论文写作中使用LLMs。2024年使用率为27.37%,2025年升至88.08%。2024年ChatGPT使用率最高(82.69%),而2025年Deepseek成为最常用平台(88.72%)。这些工具的主要应用是提供写作建议(82.16%),74.05%的用户主要在文献综述阶段应用。47.03%的用户认为该技术对其论文写作的贡献度为10%-30%,61.08%的用户每周使用这些工具的时间少于5小时。
医学生对在论文写作中使用LLMs的看法
在LLMs使用者中,68.65%认为使用LLMs不会损害学术诚信,但仍有47.57%担心潜在的学术不端行为。交叉表分析进一步显示,在认为LLMs使用对学术诚信无负面影响的受访者中,41.1%仍对潜在的学术不端行为表示担忧。这表明学生可能同时认识到LLMs的效用,同时又对其潜在滥用保持谨慎。
使用LLMs的优势和劣势
所有关于LLMs优缺点的项目均采用李克特五点量表评分。2024年得分最高的优势是改善语言表达和纠正语法拼写错误,这与LLMs的主要用途一致。得分最高的劣势是可能导致学术不端行为。相比之下,“隐私和安全风险,如数据泄露”得分最低。2025年结果显示,“提供准确的数据分析方法和建议”这一优势的得分较2024年有所增加,而劣势中“不准确的内容生成可能导致误导性信息”得分最低,反映了用户对AI生成内容准确性的信任度提高。
信度和探索性因子分析
五个感知优势项目的Cronbach's α为0.720,五个感知劣势项目为0.650。KMO值为0.749,Bartlett球形检验显著。平行分析支持双因子解。五个感知优势项目主要载荷在第一个因子上(0.554-0.736),五个感知劣势项目主要载荷在第二个因子上(0.396-0.714),交叉载荷极小。
与LLMs使用相关因素的单变量和多变量分析
在多变量模型中,与2024年调查样本相比,2025年调查样本的受访者报告使用LLMs的几率更高(调整后OR = 21.29, 95% CI 10.70-42.34; P < 0.001)。男性(调整后OR = 3.26, 95% CI 1.54-6.91; P = 0.002)和护理学专业(相对于临床医学,调整后OR = 2.13, 95% CI 1.08-4.19; P = 0.029)也与较高的LLMs使用率相关。
讨论与结论
讨论总结
研究发现,学术诚信问题是采纳LLMs的主要障碍。即使在使用者中,也有近半数对此表示担忧。LLMs训练于大量已发表文献,可能产生与现有研究高度相似的内容导致准抄袭。学术界共识确认AI不能被授予作者身份,人类作者对所有生成内容负有全部责任。从TAM视角看,升高的感知风险会削弱感知有用性的积极效应。LLMs生成的摘要可靠性低于人工撰写,可能产生“幻觉”(Hallucination,指AI生成看似合理但实际错误或无意义的内容),包括错误的推理、不准确的陈述和捏造的参考文献。内容不可靠性损害了感知有用性。将个人和研究数据上传至外部AI系统引发广泛的隐私和安全担忧,尤其涉及患者记录和研究者未发表的知识产权。在TAM框架内,不充分的安全部署和隐私政策创造了不利的促成条件。一个关键发现是LLMs使用者中感知益处和学术诚信担忧并存。学生们并不认为LLMs本身有害,但承认不当使用带来的风险。LLMs的主要优势包括提供写作建议、改善语言表达、提高写作效率和提供灵感,这对非英语母语的学生尤为有帮助。大多数受访者依赖AI完成论文的比例不超过10%,表明其感知有用性目前仅限于辅助功能。多数受访者认为LLMs在医学论文写作方面潜力巨大(80.64%),并希望接受正式培训(83.87%)。
研究结论翻译
LLMs在毕业论文写作中的使用在2024年和2025年的医学生横断面样本中存在显著差异。医学生主要采用该技术来提高写作效率、语言表达和文献组织能力,而对学术诚信、幻觉和数据隐私的担忧仍是更广泛采纳的主要障碍。从这个TAM解释视角来看,这些采纳模式可以与感知有用性、感知易用性、感知风险和促成条件相关联。为了促进LLMs的安全有效使用,医学院校应制定标准化使用指南,加强素养和学术诚信教育,提供安全合规的平台,并改进对负责任使用AI的制度支持。这些措施有助于最大限度地发挥该技术的教育效益,同时将潜在的学术和伦理风险降至最低。
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