教育部于2024年3月28日启动人工智能赋能教育行动，推出四项具体行动，旨在用人工智能推动教与学融合应用，提高全民数字教育素养与技能，开发教育专用人工智能大模型，同时规范人工智能所适用的科学伦理。其中，四项行动包括：①国家智慧教育公共服务平台当日上线“AI学习”专栏；②邀请“大咖”谈AI、组织名师教AI、鼓励师生学AI；③推动国家智慧教育公共服务平台智能升级，支持全民个性化终身学习，上线智能工具增加课堂互动，促进就业、考试、留学等教育服务更加便捷畅通；④实施教育系统人工智能大模型应用示范行动，推动大模型从课堂走向应用；将人工智能融入数字教育对外开放，搭建数字教育国际交流平台，提供人工智能教育的中国方案。
医学教育是培养医疗人才的重要方式，教学评价则是确保教育质量的关键手段。传统的医学教学评价方法（如笔试、实践操作考试和撰写报告）存在诸多局限性，难以满足现代医学教育的需求。随着人工智能技术的发展，AI赋能医学教学评价开始受到广泛关注。CIPP（context input process product， CIPP）理论作为教学设计和评价的重要模型，为AI技术在医学教学评价中的应用提供了理论支持和实践指导。该研究基于CIPP理论，探讨人工智能赋能医学教学评价的各个环节。通过分析人工智能在医学教学评价中的应用案例，揭示AI技术在提高评价质量、促进教学个性化等方面的潜力和优势。同时，也将讨论在AI赋能医学教学评价实施过程中可能遇到的挑战和问题，并对未来的发展趋势提出展望。
1 人工智能在医学教育领域的运用
人工智能在医学教育领域的应用正以前所未有的速度和深度发展，极大地推动了传统医学教育模式的变革。人工智能集合了计算机科学、逻辑学、生物学、心理学和哲学等众多学科，在语音识别、图像处理、自然语言处理、自动定理证明及智能机器人等应用领域取得了显著成果
[1-3]。以ChatGPT为代表的人工智能因其多任务学习和高质量输出的优势和特点，可能给人类的生产生活带来极大的影响。它不仅能够理解和生成自然语言，还能在一定程度上进行逻辑推理和决策支持，这为医学研究提供了新的可能性
[4]。
1.1 搭建网络学习平台，定制个性学习路径
虚拟网络学习平台为医学生提供了一个灵活的学习环境，学生可以根据自己的学习兴趣、进度和理解能力选择课程和学习材料。这些平台通常具备智能推荐系统，能够根据学生的学习行为和成绩，推荐最合适的学习资源和路径。此外，平台还能自动追踪学习进度，及时提供反馈和建议，帮助学生调整学习策略。对于教师而言，这些平台能够提供学生学习情况的详细报告，从而更好地理解学生的学习需求，制定个性化的教学计划。
1.2 模拟实训操作，降低临床风险
虚拟实训系统通过模拟各种临床操作，如手术、诊断和治疗等，为医学生提供了一个无风险的实践环境。这些系统通常具有高度的交互性和真实感，使学生能够在虚拟环境中反复练习，提高临床操作能力。通过这种方式，学生可以在不影响真实患者安全的前提下，积累宝贵的临床经验。此外，虚拟实训系统还有助于降低教育成本，因为它减少了对实际医疗资源的需求，同时也减少了由于操作失误导致的潜在风险。
1.3 提供宝贵学习资源，辅助提升临床技能
智能机器人在医学教育中的应用，为临床实习带来了革命性的变化。例如，科大讯飞研发的“讯飞智医助手”机器人，不仅能通过国家医师资格考试，还能在数据分析的基础上模拟临床操作，为医学生提供精确、稳定的示范。智能机器人不仅拥有深厚的医学知识储备，更能在实际教学中，根据学生的学习进度和掌握情况，进行有针对性的指导和示范，同时提供实时反馈，帮助学生及时发现并纠正操作中的错误，从而有效避免在实际临床中可能出现的问题提高临床技能。
2 CIPP理论概述
2.1 CIPP模型构成
CIPP理论，即CIPP评估模型，是由美国学者斯塔弗尔比姆（Stufflebeam D L）于1967年在对泰勒行为目标模式反思的基础上提出的
[5]，是一种用于支持项目过程中各项决策的评价模型。CIPP是背景（context）、输入（input）、过程（process）和产出（product）的缩写，其包含四种评价类型，即背景评价、输入评价、过程评价和结果评价
[6]，这四个组成部分构成了CIPP模式的核心，用于指导方案、项目、人事、产品、机构或系统的评价。背景评价主要是评估项目或活动所处的特定环境和条件，包括需求、问题、有利条件和机遇等，以确定课程目标与实际需求的一致性；输入评价则关注项目所投入的资源和设计方案，评估资源的充足性和设计方案的可行性，以确定最佳实施路径；过程评价是监控项目实施过程，发现并解决实施中的问题，提高效率；结果评价是衡量项目最终效果，评估成果价值，为决策提供依据。这四个评价环节在CIPP评估模型中呈现出一个逻辑上的递进关系，共同确保项目或活动的成功实施。
2.2 CIPP理论的特点
CIPP理论以决策为导向，评价的目的不仅仅是教育结果的考核，更是为决策提供有效信息的过程
[7]。CIPP理论重视评价的改进功能，斯塔弗尔比姆提出，教育评价不应局限于预期目标的实现程度，而是应通过汇总教育计划全程的信息来做出教育决策，其核心目的是为了改进和发展教育实践
[8]。CIPP模式完整包含背景评价、输入评价、过程评价和结果评价，这四个环节相互关联、相互补充，使得评价过程非常灵活，评价者可以根据具体需求选择适当的评价类型和时机
[7]。
此外，CIPP评价理论的全程性和反馈性特点确保了评估活动能够贯穿于项目或活动的始终
[9]，使教师能够对课程的各个方面进行深入理解，同时模型的各阶段都能形成反馈循环，有助于及时发现并解决问题，从而持续提高课程质量
[10]。
2.3 CIPP理论在教育领域的应用
CIPP评价模型在教育评价活动中首先对目标进行评价，使目标本身的合理性得到评价，从而使评价更全面、更科学、体系更完整。CIPP模型既能对教师“教”和学生“学”的成果进行客观评价，也能实现对教学过程的动态化、长期性关注，体现过程评价的可持续性发展。在教学活动实施过程中，CIPP理论可以作为一种提升教学质量的“催化剂”，被广泛应用于过程评价和结果评价
[11]。
3 基于CIPP理论的AI赋能医学教学评价
3.1 背景评价
背景评价所关注的是对教学需求和目标的深度剖析。评价内容包括：①医学教学需求和目标。深入分析AI技术在医学教育中的应用潜力和优势，为教学目标的设定提供有力支持，包括医学教育当前和未来的需求，如通过大数据分析、访谈和行业报告等方式，了解医学行业的发展趋势、医学生的技能缺口，以及行业对人才的需求波动等。②学生情况。医学生的个体差异较大，在基础知识、学习能力、兴趣爱好等方面都存在差异，而AI技术为个性化学习提供了可能，即通过预测试的方式，全面评估医学生在临床、解剖等专业方面的基础知识，以便为其提供适宜的个性化学习资源，培养其创新思维和实践能力。③教学资源。教师团队是医学教学资源的核心力量，教师团队的组成结构、教学经验以及教学方法等方面的情况影响着教学质量。在AI赋能的背景下，教学资源的评价还应关注AI技术的应用情况，如智能教学平台、虚拟仿真系统等的使用情况，以及其对教学质量的提升作用；教学设备和硬件设施为医学生提供了实践操作和模拟训练的平台，有助于提升医学生的临床技能和综合素质。背景评价在医学教学中具有重要的作用，通过对教学需求和目标、学生情况以及教学资源的全面剖析，为医学教育的优化和改进提供了有力的支持。
3.2 输入评价
输入评价关注教学活动所投入的资料和材料，以确保教学资源的充分利用和高效运作。评价内容包括：①教学资源。教学设备和实验设备是否齐全，见习地和实习地的选择与安排是否妥当，这些都是直接影响医学教学质量的关键因素。对教学设备和实验设备进行全面的检查与评估，确保其能够满足教学的需求；关注见习地和实习地的选择是否符合医学教育的培养目标和医学生的实际需求。②教师团队。评估教师团队教师的专业背景、教学经验及其教学方法等，还须关注教师是否具有运用AI技术进行教学的能力，确保教师具备足够的医学教育素质，充分利用AI技术的优势以承担教学任务。③课程设计与教学计划。对课程设计与教学计划进行对比和分析，以确保二者之间的一致性；同时还需要关注课程设计与教学计划的实施情况，及时发现并解决存在的问题，确保教学的顺利进行。此外，在AI赋能医学教学评价的背景下，输入评价还对AI技术的投入成本进行全面的分析和评估，确保其投入与产出之间的平衡，实现医学教学的智能化和高效化。
3.3 过程评价
过程评价侧重对教学活动实施过程的评价，使人们能够全面了解AI工具在教学中的运用、学生的参与度，以及教学资源的使用情况，从而为教学质量的提升提供有力支持。评价内容包括：①教学方法的运用。评估教师在利用AI教学过程中是否能够有效利用智能教学平台、虚拟仿真系统等AI工具来丰富教学手段、提高教学效果，是否能够结合AI的个性化推荐功能，为不同学生提供差异化的教学内容和路径。②学生参与度。教学活动中，教师充当“导演”角色，起到引导作用，学生才是“演员”。在AI赋能的课堂上，学生可以积极参与讨论、完成实时练习，与教师和其他同学进行实时交流。因此，我们可以评价学生在智能学习平台上的活跃度、互动情况以及学习成果等，考查学生出勤率、上课听讲抬头率、作业完成质量、师生互动情况、实践教学活动的组织和实施情况。此外，实践教学是医学教育的重要环节，虚拟仿真技术为学生提供了更加安全、高效的实践环境，使其能够在模拟的临床场景中进行实践操作和诊断训练。我们可以评估学生在这些虚拟实践活动中的参与度，包括学生如何在活动中互动、在活动中的表现，以及其反馈等，从而了解AI技术在实践教学中对学生参与度的提升作用。③教学资源的使用情况。包括教学设备、教学设施、实验室等的使用频率和使用效果。评价教学资源的使用情况有助于掌握教师对这些教学资源的掌握程度和使用能力，以推动AI技术在医学教学中的广泛应用和深度融合。
3.4 结果评价
结果评价部分关注教学活动的最终成果。评价内容包括：①学生的学习效果。在AI赋能的医学教学中，学生的学习效果不仅体现在对医学基础理论、专业知识的掌握程度上，还体现在对AI辅助学习工具的运用能力上。通过对学生使用智能教学平台、虚拟仿真系统等AI工具的情况进行考查，教师可以评估学生在自主学习、问题解决以及实践操作等方面的能力。同时，利用AI技术的数据分析功能，还可以对学生的学习轨迹、学习成效进行精准跟踪和评估，从而更加客观地反映学生的学习效果。②临床实践能力。医学教育要求学生具备实际操作能力，因此在结果评价中，教师需要重点关注学生在虚拟临床实践中的表现，包括操作的规范性、诊断的准确性以及解决问题的能力等方面。同时，教师还可以结合AI技术的反馈机制，对学生的临床实践进行实时指导和评估，帮助他们更好地提升临床实践能力。③教师成长。教师成长在AI赋能的医学教学中也呈现出新的特点：教师利用AI技术进行教学创新，不断提升教学设计质量，同时也在与学生的互动中实现了自身的成长。因此在结果评价中，需要关注教师在医学教学培训中的参与度以及利用AI技术进行教学设计的情况，以评估其在教学方法、教学手段等方面的进步。
基于CIPP理论的AI赋能医学教学评价理论模型如
图1所示。
4 AI赋能医学教学评价的优势分析
4.1 精准评估与个性化教学的深化
AI技术在医学教育中的应用，推动了评估和教学个性化的深化。通过对学生学习行为的持续追踪和分析，AI能够揭示每位学生的学习模式、偏好和潜在障碍，从而为每个学生定制出符合其个人发展轨迹的教学方案。这种精准评估不仅限于学术成绩的量化，更扩展到了对学生创新思维、批判性分析和专业技能等多维度能力的定性评价。AI技术还能根据学生的实时反馈和学习成果，动态调整教学目标和策略，确保教学活动既具有挑战性，又能满足学生的个性化需求，从而促进学生在医学领域的全面发展。
4.2 资源优化与动态调整的拓展
AI技术在优化教学资源配置和实现教学方法动态调整方面发挥了重要作用。通过对大量学习数据的分析，AI技术能够帮助教师识别教学资源的使用效率，发现哪些资源最受欢迎、最有效用，以及哪些资源需要更新或替换。此外，AI技术能够根据学生的学习进度和理解程度，自动调整课程难度和教学节奏，确保每位学生都能在适合自己的步调下学习。这种基于数据的资源优化和教学调整，不仅提升了教学资源的利用效率，也使得教学过程更加灵活和个性化，为学生提供了更加丰富和适应性的学习体验。
4.3 客观评价与效率提升的加强
AI技术的应用显著提升了教学评价的客观性和效率。通过自动化的数据分析和处理，AI技术能够在短时间内生成详尽的评价报告，这些报告不仅包括学生的考试成绩，还涵盖了学生在课堂讨论、团队项目和临床技能等方面的表现。这种全面的、基于证据的评价方法，能够帮助教师更准确地识别学生的学习强项和弱点。同时，AI技术的评价结果具有高度的一致性和可比性，减少了人为偏差，提高了评价的可信度。此外，AI技术还能够为学生提供即时反馈，帮助其及时了解自己的学习状况，从而促进自我调整和持续学习。通过这些先进的技术手段，使得医学教育的评价和教学过程变得更加高效、精确和公正。
5 AI赋能医学教育评价面临的挑战与问题
随着人工智能技术的不断进步和在医学教育中的应用逐渐普及，人们确实可以期待其为教育领域带来的深远影响和显著效益。然而，正如任何新兴技术的应用一样，伴随其快速发展的同时也可能出现一些挑战和问题
[12]。
5.1 数据安全与伦理考量
在人工智能技术应用于医学教育评价的过程中，数据安全和隐私保护成为一个不可忽视的问题。由于涉及学生的敏感信息和学习记录，如何确保这些数据不被泄露、滥用或未经授权的访问，是教育工作者必须严肃对待的挑战。此外，伦理问题也随之浮现
[13]。例如，AI在评价过程中可能涉及对学生个人信息的收集和处理，这就要求相关教育管理部门必须建立严格的伦理规范和审查机制，确保AI技术应用的透明性和合规性。教育者和政策制定者需要共同努力，制定详尽的数据保护政策，并提高师生对数据安全和隐私权的认识，以维护教育环境的安全、可靠。
5.2 技术更新与维护成本
人工智能的开发和维护成本相对较高，对于资源有限的医学教育单位来说可能是一个负担。工程师和数据科学家们往往更注重AI系统预测的精确性、准确性，但却忽略了医学教育与临床工作、临床教学的相关性
[14]。此外，技术的快速迭代也要求教育机构不断更新其系统和工具，以保持与行业发展的同步。因此，教育机构需不断评估AI技术的实际效益，探索多元化的资金来源，并与技术供应商建立合作，共同推动AI技术在医学教育评价中的可持续发展。
5.3 技术融合与教育平衡
AI技术的融入为医学教育评价带来了创新，但同时也带来了教师和学生适应新技术的挑战。对于教师而言，其需要掌握AI工具的操作，并将其有效地融入教学实践，以提升教学质量。对于学生来说，AI技术提供了丰富的学习资源和辅助工具，但过度依赖可能导致其忽视深入学习和理解医学知识的重要性。因此，教育者需要在利用AI技术提高教学效率的同时，保持教育的本质，即培养学生的批判性思维、独立解决问题的能力和终身学习的习惯。这要求教育机构在推广AI技术的同时，也要注重维护教育的平衡
[15]，确保技术辅助与传统教学方法相结合，促进学生的全面发展。
5.4 评价标准与数据质量
评价标准的统一和数据质量的保证是AI技术在医学教育评价中有效应用的基础。由于缺乏统一的评价标准，不同教育机构可能得到不同的评价结果，这影响了评价的公正性和客观性。同时，数据质量直接影响AI评价的准确性，因此确保数据的准确性和完整性至关重要。此外，不同医学教学平台和医学教育单位采用的AI算法和标准略有差异，医学教学评价的标准和规范也会不同，这会导致评价结果缺乏公正性和客观性。不同医学教育系统、平台间的数据没有开放和共享，“信息孤岛”现象严重，难以采集医学生学习全过程的数据，从而制约医学教育管理中人工智能技术的研发和应用
[15]。因此，教育机构需要与行业专家、政策制定者和技术开发商合作，共同制定和遵守统一的评价标准，同时加强对数据收集、处理和分析的质量控制，以提高AI技术在医学教育评价中的可靠性和有效性。
6 未来发展趋势与建议
6.1 未来发展趋势
随着人工智能技术的不断进步，其在医学教育领域的应用逐步深化，并展现了强大的潜力和价值。AI技术通过精准的数据分析和个性化的学习方案定制能力，极大地提升了医学教学评价的质量和效率。这种技术的应用不再依赖教师的主观判断，而是通过客观的数据驱动，为每位学生提供量身定制的学习路径，从而有效提高学习成效。此外，跨学科研究和合作在医学教学评价的发展和创新中扮演着至关重要的角色。通过不同学科专家之间的交流与合作，可以促进新思想的产生，借鉴其他领域的成功经验和最佳实践，并将这些创新应用到医学教学评价中。这种跨界合作不仅丰富了医学教育的内容和方法，也推动了医学教学评价体系的持续完善和发展。通过技术与教育的深度融合，以及跨学科的广泛合作，未来有望构建一个更加高效、公正和全面的医学教学评价体系，为医学生的成长和医学教育的进步提供坚实的支持。
6.2 建议
6.2.1 法规与伦理框架——为AI技术应用设定边界
在AI技术应用于医学教学评价的实践中，建立和完善法规与伦理框架至关重要。这要求教育机构、政策制定者和技术开发者共同努力，制定明确的隐私保护标准、数据安全要求和责任规范。医疗数据的隐私标准、数据安全性、责任规范以及法律能否包含创新的错误问题
[16]都需要相应法规与政策的完善。通过这些规范，可以确保AI技术的使用不会超越法律和伦理的界限，同时为可能出现的创新错误提供法律包容性。此外，强化师生的法规意识和伦理教育，是确保AI技术应用安全、合规的关键。
6.2.2 教师能力提升——掌握AI技术的教学应用
教师在AI技术应用于医学教学评价中扮演着至关重要的角色。为了确保AI技术的有效性和准确性，教育机构需要为教师提供专业的培训，使其能够熟练掌握AI工具的操作，并理解如何将这些工具与教学内容相结合。通过这样的培训，教师将能够更好地利用AI技术进行个性化教学，提高学生的学习成效，并促进教学质量的提升。同时，教师的专业发展也是关键，需要其不断更新知识，适应教育技术的快速发展，确保在教学评价中能够充分利用AI的潜力。
6.2.3 数据安全与隐私保护——保障学生权益
在AI技术日益融入医学教育的过程中，学生的个人隐私和数据安全成为了一个不容忽视的重要议题。作为AI技术收集和分析数据的直接对象，学生的敏感信息（如个人身份、学习习惯、成绩等）都需要得到妥善的保护。为此，必须制定和执行一系列严格的数据管理政策，确保在收集、处理和使用学生数据的过程中，不仅遵循相关的法律法规，而且采取有效的技术和管理措施来防止数据泄露和不当使用。此外，教育机构应加强对学生的隐私教育，定期对师生进行数据安全培训，提高他们对个人数据保护的意识，强化其对数据保护重要性的认识，并掌握保护个人数据的正确方法。
6.2.4 反馈与持续改进——优化AI技术的教学效果
建立一个以学生、教师和教学管理人员为核心的反馈机制，对于评估和优化AI技术在医学教学评价中的应用至关重要。这个机制应该以学生、教师和教学管理人员的反馈为基础，通过定期的问卷调查、访谈、工作坊和数据分析等方式，收集关于AI应用的反馈。教育机构可以利用这些反馈评估AI技术在教学评价中的实际效果，包括学生学习成果的改善、教学方法的创新，以及教学资源的有效利用等。通过数据分析，识别AI技术应用中的优势和不足，从而针对性地进行调整，如优化算法、改进用户界面、增强功能等。此外，反馈机制还应该鼓励教师对使用方式和教学策略进行创新，最终实现医学教育质量和效果的整体提升。
7 结论
基于CIPP理论，本研究从背景、输入、过程和成果四个维度探讨AI技术在医学教学评价中的应用，为教育工作者提供了全新的视角。通过精准分析学习者的背景需求、优化教学资源的输入、监控教学过程的实施，以及评估教学成果的成效，明确AI技术能够有效提升医学教学评价的质量和效率。随着AI技术的不断进步，它在医学教育领域的潜力将进一步得到挖掘。然而，我们也必须面对数据隐私、伦理和适应性的挑战。未来的研究应更加关注如何将AI技术与教育实践深度融合，探索跨学科合作的新模式，并推动相关法规与政策的完善，确保AI技术在医学教育中的健康发展和有效应用。
兰州大学第一临床医院教学改革项目“以‘学生为中心’的非指导性临床实习教学模式探析”(202209)
甘肃中医药大学2022年教学研究与改革项目(YBXM-202225)
甘肃省科技厅2023年软科学专项(23JRZA462)
京公网安备11010202008535号
PDF
(646KB)
