《Heliyon》:A three-dimensional framework for integrating artificial intelligence into undergraduate nursing education: An exploratory qualitative study
编辑推荐:
人工智能(AI)在全球医疗系统中的加速整合正对护理教育产生前所未有的推动力。然而,指导这一整合的结构化教学框架仍发展不足。本研究旨在探讨教师与护理本科生对将AI融入护理教育的看法,并构建一个初步的、基于具体情境且经验支撑的框架。研究在伊朗克尔曼医科大学(Ker
人工智能(AI)在全球医疗系统中的加速整合正对护理教育产生前所未有的推动力。然而,指导这一整合的结构化教学框架仍发展不足。本研究旨在探讨教师与护理本科生对将AI融入护理教育的看法,并构建一个初步的、基于具体情境且经验支撑的框架。研究在伊朗克尔曼医科大学(Kerman University of Medical Sciences, KMU)进行,共招募25名参与者——包括5名教师和20名护理本科生,依据其参与AI相关教学、学习或培训的经历进行目的性抽样。数据通过半结构化深度面对面访谈及七份机构文件收集,采用Graneheim与Lundman的方法论框架借助MAXQDA 24.6进行分析,并根据Lincoln与Guba的信度标准建立可信度。研究获得KMU研究伦理委员会批准,所有参与者均签署书面知情同意书。分析得出一个三维(3D)框架,包含:(1)基础认知获取——涵盖AI素养与数据科学能力;(2)动态实践应用——整合临床模拟与分析技能发展;(3)可持续伦理整合——嵌入伦理教育与持续性伦理监督。该框架将基础知识、实践应用与伦理监督作为统一分析结构中的相互依存组成部分加以阐述。研究结果为AI整合护理教育提供了基于具体情境且经验支撑的基础。在考虑将该框架迁移至可比教育环境之前,其更广泛适用性应取决于严格验证与情境适应性调整。
一、研究背景与研究问题
随着人工智能(Artificial Intelligence, AI)在全球医疗系统中日益成为变革力量,其在临床决策支持、患者监测与仿真学习平台中的应用不断扩展,迫使护理教育必须进行课程与教学创新,以培养毕业生适应技术密集型实践环境。然而,尽管国际上如宾夕法尼亚大学、杜克大学等领先院校已开始将AI模块纳入护理课程,目前仍缺乏经过文化适应、系统化的教学框架来指导非西方背景下的AI教育整合。现有框架多偏重技术或理论层面,未能将基础知识、实践应用与伦理监督有机连接为一个连贯体系。针对这一显著空白,本研究提出核心研究问题:“如何开发一个基于具体情境、经验支撑的有效框架,用于将AI整合入护理教育?”研究人员在伊朗克尔曼医科大学(Kerman University of Medical Sciences, KMU)开展了一项探索性定性研究,旨在通过教师与学生的真实经历及机构文件,构建一个三维(three-dimensional, 3D)整合框架。
二、研究方法与关键技术路线
研究人员采用探索性定性设计与传统内容分析法,于2024年10月至2025年1月在KMU进行。主要技术方法包括:①目的性最大变异抽样,招募5名具备至少两年AI相关教学经验的教师与20名完成至少六个月AI相关课程或实习的护理本科生;②半结构化深度面对面访谈,学生访谈围绕AI学习体验、教育需求与能力、内容传递偏好及预期临床应用四大主题领域,教师访谈则涵盖AI教学经验、课程开发挑战、制度条件支持及未来愿景;③机构文件三角验证,选取一份本科护理项目文件、五份教师授课教案及一份AI教育使用指南共七份文件辅助数据分析;④采用Graneheim与Lundman的五阶段传统内容分析法,借助MAXQDA 24.6软件对访谈转录稿与文件进行编码、聚类、提炼主题并综合成三维框架;⑤信度保障遵循Lincoln与Guba标准,通过参与者反馈核查、外部专家审查编码结构、研究者反思备忘录、厚描述及双语回译确保可信性、可确认性与可转移性。
三、研究结果
3.1 基础认知获取
该维度由AI素养与数据科学能力两个子主题构成。教师指出,师生普遍对AI在临床中的实际含义感到不确定,强调必须以清晰简洁的方式讲解基本原理。学生则用“像不懂踏板就开车”的类比形容缺乏基础课程带来的迷茫感。结论:基础认知获取被视为后续实践与伦理参与的不可或缺的前提,而非可选补充。
3.2 动态实践应用
该维度涵盖临床模拟与分析技能习得两个子主题。教师发现,融入AI工具的逼真场景设计显著提升了学生参与度和讨论深度。学生则强调模拟实验室中的AI数据分析练习虽令人生畏,却比一周讲座收获更大,小组协作构建AI识别高风险患者的任务迫使他们像执业护士一样思考。结论:动态实践应用是连接抽象AI概念与临床推理的关键桥梁,能有效增强学生对职业实践的感知准备。
3.3 可持续伦理整合
该维度包含伦理教育整合与持续伦理监控两个子主题。教师举例称,课堂上学生追问“若AI出错导致患者伤害谁负责”迫使所有人深刻反思责任归属。学生强调隐私考量应在每次使用AI时被讨论,而非只在课程开始时一次性讲授。教师进一步指出,伦理内容必须随新兴议题不断迭代更新。结论:可持续伦理整合要求将伦理与法律考量贯穿整个教育轨迹,以确保负责任的AI运用。
四、讨论与结论总结
讨论部分指出,本研究所提出的三维框架与现有倾向于割裂理论与实践能力的模型形成对比,首次将基础知识、实践应用与伦理监督纳入同一连贯模型。第一维度基础认知获取不仅包括基本技术素养,还延伸至大数据分析、预测建模与机器学习熟悉度,这些被认为是维持护理专业标准的基石。第二维度动态实践应用涉及编程环境(如Python、TensorFlow)、健康数据分析、大数据治理、文化技术胜任力及AI相关研究设计等多方面能力,这些综合技能有助于护理人员在技术驱动环境中有效工作。第三维度可持续伦理整合强调患者安全、风险评估及AI支持临床实践的管理能力,认为专业协会与认证机构的持续监督对于维护教育质量至关重要。研究结论部分总结:这项探索性定性研究在KMU生成了一个初步的、基于具体情境的经验支撑框架,将技术与理论能力同当代护理实践的伦理要求相联结。在经进一步实证评估与本地化调整后,该框架可为课程设计提供连贯基础,为课程开发者、教育者及教育政策利益相关方提供实用指导,并在可比环境下助力加强护理人员面向AI实践的能力。