基于知识图谱的护理伦理学AI课程建设

Artificial intelligence course construction of nursing ethics based on the knowledge graph

摘要

在高等教育数字化建设背景下，传统教学模式已难以满足新质护理人才的培养需求。护理伦理学教学面临区域发展不平衡、理论与实践脱节、教学资源分散、知识点碎片化等困境。随着现代数字技术的迭代更新，知识图谱凭借结构化、语义化、可扩展性、多源融合等特点，为破解上述难题提供了技术路径。依托教育部首批人文护理学课程虚拟教研室的建设基础，护理伦理学AI课程以“思—研—教—学”为主线，通过强化思政引领，构建课程知识图谱，推动人文关怀与专业知识深度融合，实现了智能助研、智能助学、智能助教。该创新教育模式为培养兼具人文底蕴、数字胜任力及高阶伦理思维的卓越护理人才提供了可复制的实践范式，也为高等护理教育数字化转型提供了参考。

Abstract

Against the backdrop of digital transformation in higher education， the traditional teaching model has become inadequate to meet the demands for cultivating new-quality nursing talents. Nursing ethics teaching confronts several dilemmas， such as unbalanced regional development， disconnection between theory and practice， scattered teaching resources， and fragmented knowledge points. With the iterative update of modern digital technologies， the knowledge graph， due to its structured， semantic， scalable， and multi-source integrative characteristics， offers a technological pathway to address these issues. Based on the construction foundation of the Ministry of Education’s first batch of virtual teaching and research platforms for humanistic nursing courses， the nursing ethics artificial intelligence（Al）course was developed around the“thinking-research-teaching-learning”framework. By strengthening ideological and political guidance， constructing a curriculum knowledge graph， and promoting the deep integration of humanistic care and professional knowledge，the course realized intelligent support for research，learning，and teaching. This innovative education model provides a replicable paradigm for cultivating outstanding nursing talents equipped with humanistic literacy， digital competence， and advanced ethical thinking， while also offering references for the digital transformation of higher nursing education.

Graphical abstract

关键词

护理教育 / 护理伦理 / 人工智能 / 知识图谱

Key words

nursing education / nursing ethics / artificial intelligence / knowledge graph

智能化是教育变革的重要引擎，数字化是驱动教育深层次变革的核心动力。护理教育作为医学教育的重要组成部分，在推动健康事业发展和医学科技创新中发挥着重要作用。护理伦理学作为连接护理教育、科学研究和临床实践的桥梁课程，具有丰富的人文属性和广泛的学科交叉基础^［1-2］。目前，护理伦理学教育面临多重挑战，包括地区发展不平衡、理论与实践鸿沟、教学资源分散、知识点碎片化，以及教学内容与思政教育脱节等问题^［3-4］。人工智能时代的到来为教育数字化转型注入了颠覆性力量^［5］。知识图谱（knowledge graph，KG）作为一种结构化的语义网络知识库，能够对多源异构信息进行语义关联、组织整合与可视化呈现^［6-10］。依托教育部首批人文护理学课程虚拟教研室建设试点项目^［11］，“护理伦理学”AI课程建设对标“两性一度”目标，融合“三全育人”理念，以“思—研—教—学”为抓手，整合优质资源、优化学习路径、创新教研模式，为高等护理教育数字化发展提供参考。

1　基于知识图谱的护理伦理学AI课程建设路径

1.1　明确课程建设原则

课程作为高校教育的载体与基石，是人才培养的核心要素与关键环节。高质量课程建设作为大学教育的支点，是推动高等教育高质量发展的内在动因。2019年教育部印发的《关于一流本科课程建设的实施意见》中强调，一流本科课程建设应当以“高阶性、创新性和挑战度”为根本抓手，全面提高人才自主培养质量。基于教育部首批一流本科课程“护理伦理学”，AI课程建设坚持“思政为引领、知识为基石、能力为核心、问题为导向、智能为引擎”的原则，回应“培养什么样的人”“怎么培养人”“为谁培养人”等关键问题。

1.2　厘清课程建设思路

课程建设团队践行“教育强国”战略，紧跟“新医科”建设和本科教学信息化改革，明确基于知识图谱的护理伦理学AI课程建设思路：①坚持立德树人，强化思政引领，构建具有特色与底色的育人体系；②创新教研模式，利用智能协作突破传统教研时空限制，实现资源共建共享；③整合优质资源，打造高校协同的精品教学资源库，搭建高质量、多模态的教学资源平台；④融合信息技术，利用AI与知识图谱助力精准教学和个性化教学，推动护理伦理教育数字化转型。

1.3　组建课程建设团队

护理伦理学AI课程建设团队由课程负责人、专家团队、技术团队及运行团队组成。其中课程建设负责人（1名，教授），负责课程建设的整体规划、全过程质量控制、方案审核及重大决策制度；专家团队（13名，均为课程专任教师，教授7名，副教授4名，讲师2名），参与课程建设框架设计，负责课程内容与知识点的梳理与整合，并参与评估课程建设效果；技术团队（3名），提供课程建设技术支持，负责知识图谱的开发、维护与更新；运行团队（3名），负责跟进课程建设进度，开展进行数据收集、整理、分析和问题反馈等工作。

1.4　构建课程知识图谱

建设团队基于布鲁姆掌握学习理论^［12］和教育目标分类学说^［13］，结合课程培养方案与课程目标，参考“‘十四五’规划教材”《护理伦理学》^［1］及同类型知识图谱模型^［7，10］，并开展多轮专家咨询。在此基础上，团队从“能力—问题—知识”三个维度出发，构建“护理伦理学”课程本体，融入课程思政指南增加课程高度，借助多模态教学资源增加课程厚度，依靠问题体系增加课程深度，构建了护理伦理学“AI＋知识图谱”智慧课程。

1.4.1　数据的获取与预处理

数据是知识图谱构建的“土壤”，数据的获取不仅影响知识点的完整性与准确性，还会影响知识图谱的质量与应用范围^［6-8］。课程建设团队系统、综合地收集并整理了现有“护理伦理学”相关优质数据资源，包括教育数据源和开放数据源两大类来源，覆盖结构化数据、半结构化数据和非结构化数据三种数据类型，具体包括课程介绍、教学计划、教学大纲、考试大纲、教学进度、教学课件、培养方案、规划教材、测试题库、案例题库、课程思政指南等课程专业领域的核心教学资源，中英文“护理伦理学”慕课平台、国家级虚拟仿真实验平台、课程思政微课、权威知识库、国内外伦理守则、期刊文献等开放数据源，涵盖了文本、视频、图片、音频等多种形式类型数据。通过去噪声、数据规范化、缺失值处理等方法对上述所获取的数据资源进行数据清洗、转换等知识化预处理^［6-8］，确保数据的质量和一致性，提高后续图谱构建的效率和准确性。目前梳理并挂载了373个知识点资源，关联了95个视频资源、40个课件资源、136个外部资源和288个习题资源。

1.4.2　构建知识地图

知识地图是用于描述、组织和展示知识内容及其相互关系的可视化导航工具，通常通过节点、连线和层级结构等图形化方式呈现知识体系及其内在联系^［6，9］。团队通过综合梳理国家规划教材等优质数据资源，提取知识点及知识点内部结构。根据教育目标分类理论，将其划分为事实性、概念性、程序性与元认知知识^［13］，同时，团队结合知识点具体内容，添加重点、外延、思政、案例、概述、讨论、总结等个性化标签，形成课程知识地图（见图1），包含8个教学主题、18个子主题、86个知识点、662个知识点属性内容。

1.4.3　构建关系字典

关系字典是知识图谱的重要组成部分，定义了实体之间的各种关系类型，旨在描述不同知识点之间的关联性和依赖性^［10］。通过明确知识点关系，关系字典能够揭示知识的结构和内在联系，为信息的组织与检索提供支持。团队根据“护理伦理学”课程目标、内容及知识结构，梳理并设计了实体间的包含关系（属种和整部）、顺序关系（思政融合和递进）、相关关系（并列），并辅以关系说明与实例解释（见表1），通过构建关系字典以理清知识点间的学习路径，反映知识的组织方式，增强学生对知识的理解和记忆。最终梳理的知识关系包括属种关系31个、整部关系20个、思政融合关系14个、递进关系102个、并列关系73个。

1.4.4　构建能力图谱

团队从“护理伦理学”课程目标出发，构建能力图谱。该图谱将本课程需要培养的能力与问题、知识点相连接，通过指导课程资源的引入，使教学资源连接顺畅、过渡自然，便于学生理解、迁移和应用相关知识。其中课程目标包括3个主能力，覆盖认知教学目标、技能教学目标和素养教学目标。认知教学目标要求掌握护理伦理学基本概念、基本理论、基本原则与基本方法，包括护理伦理学的历史发展、理论基础、规范体系及护理人际关系道德等，覆盖了3个主题，40个知识点以及41个问题。技能教学目标要求运用护理伦理学的基本理论、原则与方法，分析和解决护理实践中的伦理问题，覆盖5个主题，45个知识点以及31个问题。素养教学目标要求学生确立科学价值观与道德素养，明确自身角色责任并尊重护理对象，覆盖8个主题，10个知识点以及10个问题。

1.4.5　构建问题图谱

通过从全局层、概念层、方法层构建问题图谱，实现问题导向与案例导向相结合的教学模式，进而解决传统护理伦理教学中理论与实践脱节的问题。在全局层，围绕课程整体逻辑设计了7个相关问题并关联了81个知识点；在概念层，通过对课程内容进行概念分解，提出34个问题并关联了73个知识点；在方法层，从实践过程与方法应用角度分解章节内容，形成31个问题，涵盖208个知识点。这种多层次的问题设计有助于深化学生对知识点的理解与实践应用（见表2）。

1.4.6　构建知识图谱

将护理伦理学教学主题、子主题和知识点抽象为节点，并通过语义关系进行连接以形成知识图谱（见图2）。该图谱不仅展示了章节内部的关系，还涵盖了跨章节间不同知识点的关联，构建了264个知识关系和662个知识节点。此外，该AI课程还与人文课程特色结合，通过可视化技术将知识图谱设计为“手捧天平”造型（见图3）。这种结构化的知识图谱为护理伦理学的教学提供了清晰的框架，有助于学生更好地理解和应用相关知识。

2　基于知识图谱的护理伦理学AI课程应用场景

团队通过组建跨学科团队，系统整合优质教研资源，构建结构化知识体系，引入人工智能赋能教、学、研全过程，推动了“护理伦理学”智慧课程的建设。该课程的应用场景涵盖“课前—课中—课后”三个阶段，实现了智能助研、助学、助教和助评，构建了“技术—人—教育”三者协调发展的高等教育新生态（见图4）。

2.1　课前

教师在课前通过“护理伦理学”AI课程，设计或选择相关教学资源，借助AI辅助备课（如自动出题、生成教案和PPT、创建思政案例等），完成教学材料的准备。同时，依托虚拟教研室，开展线上线下混合式教研活动、制定课程教学任务，明确“七定”（定教学大纲、教学资源、教学进度、教学方法、教学方案、教学指导和教学计划）、“三备”（备课表、备教、备考）相关内容，确认课程思政融入路径，完善各章节教学设计。

学生在课前利用知识图谱了解课程逻辑框架，明确教学目标、内容结构及重难点，实现预学习框架的建构。基于历史学情数据（如知识点掌握率、练习正确率等），学生可聚焦薄弱知识点进行靶向预习，并开展知识点自测，确保预习目标达成。同时，针对预习中概念理解、理论应用场景等方面的困惑，学生可通过向AI助教提问获取多维度解答（如概念溯源、案例类比、理论对比等），从而梳理核心概念逻辑，并运用理论框架分析伦理问题，进而培养应对复杂伦理问题的思维能力。

2.2　课中

教师根据课前设置的课程教学目标，在课堂中借助知识图谱展示可视化知识体系，聚焦重点难点，将抽象的伦理概念、理论原则等具象化呈现。基于系统采集的学生课前预习轨迹、知识点掌握度数据、与AI助教的互动记录等学情数据，教师在课堂中为学生提供针对性讲解及实时答疑，以数据驱动混合式教学提质增效。同时，教师依托运用知识图谱和问题图谱协同引导课堂教学，通过在讲解过程中动态展示复杂伦理问题解决路径及知识点关联逻辑，组织学生通过“线上＋线下”形式开展讨论，引导学生与AI对话交互，综合运用辩论、翻转课堂、案例分析等多元教学方式，拓展课堂的深度与广度，引导学生在真实复杂的伦理困境中掌握思辨方法，培养批判性思维与创新思维。

学生在课堂中通过与AI对话获得多模态学习资源，并根据自身认知水平自适应动态选择和关联新旧知识点，实现结构化资源导航和智能知识建构，有效破解“知识迷航”，达成深度学习。依托问题图谱的逻辑框架，学生在课堂讨论以及与人机对话中拆解复杂伦理问题，逐步自建问题解决路径，达成“问题分析—证据检索—方案推演”的闭环训练，使学生在真实伦理困境模拟中切实提升将伦理理论转化为临床实践决策的能力，有效打破理论与实践的壁垒。

2.3　课后

教师在课后通过教学全过程数据采集，实现多维度教学数据的可视化。基于数据反馈，教师精准定位学生的知识薄弱点与能力发展区，分层靶向设计个性化课后练习与拓展探索任务，为不同学情的学生提供针对性指导，助力规模化因材施教的实现。此外，教师依托学情分析结果，对课程内容组织、教学策略选择、师生互动设计等教学环节进行系统性反思，形成“数据采集—精准施策—效果评估—教学设计迭代”的良性循环，实现学情导向的教学设计优化。

学生在课后开展系统复习，通过图谱节点关联智能梳理课程知识点，构建个性化知识网络，精准查缺补漏，减少知识盲区。围绕问题图谱，学生对课堂生成的伦理问题链开展强化训练，并基于智能推荐的学术资源库（如伦理案例库、前沿研究论文）和AI驱动的交互式练习模拟真实伦理决策场景，深化对伦理困境分析与解决策略的理解，形成“知识巩固—问题解决—能力迁移”的课后学习闭环，实现问题图谱导向的拓展性学习，延伸学习深度与广度。

3　基于知识图谱的“护理伦理学”AI课程建设成效

3.1　思政领航

数字化技术在教育领域快速发展的同时，也面临着技术依赖、信息茧房等问题，引发了人文关怀缺失、价值判断弱化等思政教育困境^［14］。“护理伦理学”作为一门人文素质教育课程，旨在为护理学生提供正确的人生观、价值观、道德观和法律观指引。团队通过系统整合“护理伦理学”课程思政教学指南^［2］、课程思政案例库、课程思政微课等丰富多样、鲜活生动的思政资源和素材，结合课程知识点和案例教学实现思政教学巧妙切入，使思政教学“内化于心、外化于行”。依托信息技术与教育的深度融合，课程运用虚拟现实、虚拟仿真等技术创建沉浸式、交互式的课程思政学习情景，拓展多维育人场景。该模式有助于弥补传统课程思政教学中同质性、情境创设不足和单维教学模式等短板。实现思政课堂“立体化、沉浸化、交互化”。本课程建设坚持思政与技术双向赋能，借助人工智能的“东风”，主动应答了新时代对护理人才培养的高要求和新挑战。

3.2　智能助研

团队依托虚实融合协同发展的课程虚拟教研室，有效解决了护理伦理教育中单一课程和专业难以实现的多学科、多专业联动问题^［11］。该教研室创建了一个“线下线上互通、校内校外联动、在线如同在场”的教研空间，打破了传统教研在时间、空间和场景上的局限。在虚拟教研室运行过程中，团队围绕课程共建、资源共享和教研协同需求，建立教研一体化资源库及平台，强化了教材、试题、图片、视频、语音等多模态教研资源的供给。这些资源不仅丰富了教学内容，还为教师开展课程设计、教学研究和教学改进提供了支持。同时，平台鼓励教师之间的合作与交流，形成共建共享、开放创新的教研生态，促进了跨学科知识分享与整合。此外，课程引入智能分析工具，实时跟踪和评估教学效果，帮助教师及时识别教学薄弱环节并调整教学策略，从而提升课程实施质量，优化学生学习体验。

3.3　智能助教

本课程通过知识图谱赋能教学设计与课堂实施，助力混合式教学和精准教学。基于知识图谱的护理伦理学AI智慧课程，整合了课程相关的高质量教学资源，为“线上自学＋面授教学”的混合式教学开展提供有力支撑。通过持续跟踪、收集、分析及可视化呈现学生的学习行为、学习偏好、互动数据、学习进度等学情数据，教师能够较为准确地把握学生知识掌握程度，洞察教学薄弱环节，并依据学生个体特征实施针对性教学要求与精准化教学支持，助力精准学情研判、精准关联资源、精准评价改进、精准教学决策，推动教育模式由“大水漫灌”向“精准滴灌”转型，助力大规模因材施教的实现。

3.4　智能助学

基于知识图谱的护理伦理学AI智慧课程能够将原本相对线性的护理伦理知识转化为可视化和结构化的知识体系，并在此基础上构建多维学生画像，自适应匹配与推送学习资源，生成个性化学习路径，为护理学生提供精准学习导航，缓解其学习过程中的知识迷航问题。同时，课程依托生成式人工智能赋能全过程教学，通过“双师”线上线下协同育人模式打破时空限制，随时随地为学生提供教学辅导与互动答疑，提高学生的学习自主性、能动性与积极性，推动形成“人人可参与、随时可进行、随地可展开”的碎片化、泛在化学习与深度学习为一体的学习新范式。

4　结语

护理伦理学AI课程依托现代信息技术，搭建教育部首批虚拟教研室，绘制AI赋能的课程知识图谱，强化思政引领，构建“思—研—教—学”四位一体的护理伦理学智慧教育新模式。该模式将助推护理学专业课程、思政课程、智慧课程同向同行与深度协同，促进价值塑造、知识传授与能力培养的有机融合，助力护理学生在专业素养、人文精神与职业担当等方面实现全面发展，为新时代卓越护理人才培养提供有益借鉴与实践路径。

参考文献

[1] 刘俊荣， 范宇莹. 护理伦理学［M］. 3版. 北京： 人民卫生出版社， 2022.

[2] 邹颖， 刘俊荣， 刘春娟， 等. 护理伦理学课程思政教学指南［J］. 中国医学伦理学， 2024， 37（8）： 988-994.

[3] Zou Y， Liu J R， Liu C J， et al. Teaching guidelines for curriculum ideological and political of the nursing ethics［J］. Chinese Medical Ethics， 2024， 37（8）： 988-994.

[4] 孙欣， 黎海鸥， 魏莱， 等. 本科护理伦理学课程的建设与成效分析［J］. 中华护理教育， 2025， 22（3）： 294-299.

[5] Sun X， Li H O， Wei L， et al. Construction and effects analysis of the undergraduate nursing ethics courses［J］. Chinese Journal of Nursing Education， 2025， 22（3）： 294-299.

[6] 夏艺萍， 肖艳梅. 我国护理伦理学教育现状与教学体系构建的探讨［J］. 中国医学伦理学， 2018， 31（7）： 894-897.

[7] Xia Y P， Xiao Y M. Discussion on the current situation of nursing ethics education and the construction of teaching system in China［J］. Chinese Medical Ethics， 2018， 31（7）： 894-897.

[8] 方建锋， 王克宇， 房欲飞. 生成式人工智能对教育的颠覆性影响和应对［J］. 全球教育展望， 2024， 53（8）： 17-32.

[9] Fang J F， Wang K Y， Fang Y F. The disruptive impact and response of generative artificial intelligence on education［J］. Global Education， 2024， 53（8）： 17-32.

[10] 朱小燕.人工智能：知识图谱前沿技术［M］.北京：电子工业出版社，2020.

[11] 余燕芳， 夏亮亮， 李翼鸿， 等. 基于知识图谱和大语言模型的终身学习资源库供给生态构建研究［J］. 远程教育杂志， 2024， 42（1）： 104-112.

[12] Yu Y F， Xia L L， Li Y H， et al. Research on the supply ecology of lifelong learning resource database based on knowledge graph and large language model［J］. Journal of Distance Education， 2024， 42（1）： 104-112.

[13] 张吉祥， 张祥森， 武长旭， 等. 知识图谱构建技术综述［J］. 计算机工程， 2022， 48（3）： 23-37.

[14] Zhang J X， Zhang X S， Wu C X， et al. Survey of knowledge graph construction techniques［J］. Computer Engineering， 2022， 48（3）： 23-37.

[15] 赵国庆，李欣媛，路通，等.从认知地图到认知图谱：相似概念的跨学科审视［J］.现代远程教育研究，2021，33（5）：14-25.

[16] Zhao G Q， Li X Y， Lu T，et al.From cognitive map to cognitive graph：an interdisciplinary concept discrimination［J］.Modern Distance Education Research，2021，33（5）：14-25.

[17] 张山， 高丽， 王艳玲， 等. 基于知识图谱的“四维”《内科护理学》智慧服务体系的构建［J］. 护士进修杂志， 2024， 39（15）： 1644-1649.

[18] Zhang S， Gao L， Wang Y L， et al. Construction of the intelligent service system of “four-dimensional” Internal Medicine Nursing based on the knowledge graph［J］. Journal of Nurses Training， 2024， 39（15）： 1644-1649.

[19] 罗雅文， 李卡， 卿平， 等. 人文护理学课程虚拟教研室建设与探索［J］. 中华护理教育， 2024， 21（6）： 658-662.

[20] Luo Y W， Li K， Qing P， et al. Construction and exploration of virtual teaching and research section of Humanitarian nursing course［J］. Chinese Journal of Nursing Education， 2024， 21（6）： 658-662.

[21] Bloom B S.Learning for mastery［J］.Evaluation Comment，1968，1（2）：1-12.

[22] Anderson L W， Krathwohl D R， Airasian P W，et al. A taxonomy for learning， teaching， and assessing：a revision of Bloom’s taxonomy of educational objectives［M］.New York：Longman，2001.

[23] 陈志勇， 李霞. 颠覆性技术赋能思想政治教育的现实境遇及实践超越［J］. 思想教育研究， 2022（9）： 142-147.

[24] Chen Z Y， Li X. The realistic situation and practical transcendence of disruptive technology empowering ideological education［J］. Studies in Ideological Education， 2022（9）： 142-147.

基金资助

2024年四川省教育厅高等教育人才培养模式创新研究与实践项目“数智化赋能‘护理＋’拔尖创新人才培养模式创建与实践”(202497)

2024年四川大学基于知识图谱的AI课程建设项目重点项目“《护理伦理学》”(202440)

2024年四川大学“人工智能赋能创新型实践教育综合改革研究专项”一般项目“数智化赋能人文护理学AI课程群建设”(202466)