人工智能在中国护理教育中应用的热点及未来发展趋势

Hotspots and future development trends of the application of artificial intelligence in Nursing education in China

摘要

描述人工智能在我国护理教育中应用的热点及未来发展趋势，为护理教育工作者利用信息技术推动护理教学改革提供参考。以CNKI数据库为数据源，检索时间为2014年1月—2024年10月，采用CiteSpace软件对纳入文献进行分析，包括发文量、发文机构、高频关键词、关键词聚类和突现。共纳入233 篇文献进行可视化分析，自2018年后年发文量呈上升趋势，《中华护理教育》为发文量排名第一的期刊（20 篇）；吉林大学为发文最多的机构（9 篇）。研究热点围绕AI赋能护理教育的实践创新、AI技术推动护理教育信息化的教学变革、AI技术引领护理教育前沿探索；研究趋势将围绕预测模型、机器学习、虚拟仿真等方面展开。在技术进步与教育需求的驱动下，AI技术在护理教育领域的研究逐渐增多并深入，然而，不同机构间的协作尚需进一步加强。未来，研究将涵盖虚拟仿真技术的广泛运用、基于机器学习的预测模型构建以及个性化学习体验的优化，为AI技术推动护理教育创新工作提供参考方向。

Abstract

This study is conducted to describe the hotspots and future development trends of the application of artificial intelligence in Nursing education in China, and provides reference for Nursing educators to promote Nursing teaching reform by using information technology. CNKI database was used as the data source, and the retrieval time was from January 2014 to October 2024. CiteSpace software was used to analyze the included literatures, including the number of publications, publication institutions, high-frequency keywords, keyword clustering and burst. A total of 233 articles were included for visual analysis, and the number of publications showed an increasing trend after 2018, with China Nursing Education (20 articles) ranking the first. Jilin University (9 articles) was the institution with the largest amount of publications. The research focused on the practical innovation of AI-enabled Nursing education, the teaching reform of Nursing education informatization promoted by AI technology, and the frontier exploration of Nursing education led by AI technology. Research trends will revolve around predictive models, machine learning, virtual simulation, and more. Driven by technological progress and educational needs, the research on AI technology in the field of nursing education is gradually increasing and deepening, however, the collaboration between different institutions needs to be further strengthened. In the future, the research trend will cover the extensive application of virtual simulation technology, the construction of predictive models based on machine learning and the optimization of personalized learning experience, providing a reference direction for AI technology to promote nursing education innovation.

Graphical abstract

关键词

人工智能 / 护理教育 / 研究热点 / 知识图谱 / 可视化分析

Key words

artificial intelligence / nursing education / research hotspot / knowledge graph / visual analysis

医疗护理技术的不断进步和患者需求的日益多样化，医护人员需要具备更加全面的专业素养和技能，而医学护理教育的质量则会影响医疗护理服务的质量^[1]。“健康中国2030”规划纲要中提出了数字化转型目标^[2]，教育部为了提升教师信息化技术水平，于2022年12月颁布了《教师数字素养》文件，指出教师应增强利用数字技术对教育教学活动进行创新和变革的意识，以指导学生适应数字化环境^[3]。因此，越来越多的学者将人工智能（artificial intelligence，AI）技术融入护理教育，包括在线教学平台、模拟教学软件、虚拟医院和远程教学方法等^[4-5]。例如，通过虚拟现实（virtual reality，VR）、增强现实（augmented reality，AR）等技术，学生可以更加直观地了解护理实践中的复杂场景和操作流程，从而提高学习效果和实践能力^[6-7]。因此，了解AI在护理教育领域中的研究热点以及未来发展趋势，有助于推动护理教育与临床实践的紧密结合，进而提升护生的临床实践能力和综合素质。本研究将对于2014—2024年国内期刊发表的有关AI在护理教育领域中的文献进行可视化分析，通过探索国内智能化护理教育的现状和特点，为护理教育工作者调整教育策略，以适应新时代对护理人才的需求提供参考。

1 数据来源与研究方法

1.1 资料来源与检索策略

文献来源于中国学术期刊全文数据库（CNKI），篇关摘为（‘人工智能’或‘用户画像’或‘虚拟医院’或‘虚拟现实’或‘人工神经网络’或‘自然语言处理’或‘深度学习’或‘机器学习’或‘贝叶斯学习’或‘随机森林’或‘支持向量机’或‘卷积神经网络’）和（‘教学’或‘教育’或‘讲授’）和（‘护理’或‘护士’或‘医护人员’）。检索时间为2014年1月1日— 2024年10月23日。

1.2 文献纳入与排除标准

纳入标准：①与“人工智能”和“护理教育”相关的研究；②文献类型为研究论文和综述。

排除标准：①重复文献；②信息不完整的文献，如年份、摘要、关键词，以及来源期刊等关键数据缺失。

1.3 研究方法

本研究利用CiteSpace 6.3.R1软件进行文献分析及可视化展示。分析过程中所采用的关键参数设定时间切片为1 年，网络连接强度的评估采用Cosine算法。具体参数设置如下：

①发文量 采用Excel软件对每年的发文量进行绘制。

②发文机构 选择“institution（机构）”作为节点，并将阈值设定为前30。

③高频关键词分析 选择“keyword（关键词）”作为节点，并将阈值设定为前30。通过最小生成树法和修剪切片网络技术对关键词图谱进行优化处理。

④关键词聚类分析 采用Log-Likelihood Ratio算法进行聚类，当聚类模块值Q大于0.3时，表明聚类结构具有显著性；当聚类平均轮廓值S大于0.5时，表明聚类结果具有合理性^[8]。

⑤关键词突现分析 最小持续时间设定为1 年，伽马值γ设定为0.4，突发检测的灵敏度设定为2.0。

2 结果

2.1 文献检索结果

CNKI数据库初步检索获取242 篇文章，经筛选，最终纳入233 篇文献进行分析，筛选流程如图1所示。

2.2 发文量

每年发文量如图2所示，自2018年后发文量整体呈上升趋势，2023年出现发文高峰。通过CNKI的可视化分析功能可知，发文量排名前5的期刊分别为《中华护理教育》（20 篇）、《中国继续医学教育》（10 篇）、《护理研究》（9 篇）、《护士进修杂志》（8 篇）、《中国医学教育技术》（7 篇）。

2.3 发文机构

以机构为节点进行可视化分析，节点数量为139，连线数量为21，密度为0.002 2，各机构间合作程度欠佳。其中，吉林大学（9 篇，占3.86%）、山东大学（7 篇，占3.00%）、中南大学和兰州大学护理学院（5 篇，占2.15%）为发文量排名前4的机构。

2.4 关键词共现网络知识图谱

在共现图谱中（如图3所示），节点数量为208，连线数量为194，密度值为0.009。“护理”出现的次数最多，为27 次。其余高频关键词如表1所示。

2.5 关键词时区图谱

在图4的关键词时区图谱中，对关键词时间分布进行分析，可将关键词演变过程划分为三个阶段。

①AI赋能护理教育的实践创新阶段（2014 —2016年） 以“护理、护理教育、教育、实践教学、实验教学、虚拟现实、科普软件、远程教育、人机交互”等关键词为主，部分高校和医疗机构开始尝试将AI技术应用于护理教学，如利用虚拟现实（virtual reality，VR）技术为学生提供更加直观、沉浸式的学习体验。

②AI技术推动护理教育信息化的教学变革阶段（2017 — 2020年） 以“人工智能、翻转课堂、深度学习、教学改革、模拟教学、教学方法、信息化、医学教育、在线学习、信息系统”等关键词为主，护理教育开始深入探索信息化教学阶段，如信息系统、在线学习平台等，为AI技术的进一步融入打下基础。

③AI技术引领护理教育前沿探索阶段（2021 —2024年） 以“机器学习、健康教育、影响因素、预测模型、随机森林”等关键词为主，利用AI技术对学生学习数据进行深度挖掘和分析，为护理教育的决策和教学改革提供更加科学的依据。

2.6 关键词聚类分析

关键词聚类如图5所示，Q值为0.757 1，S值为0.884 9，表明聚类合理并能够反映人工智能在护理教育中应用研究的热点。各类群之间存在相互重叠的现象，表明各类群之间具有紧密的联系性，反映出研究主题具有集中的特征。聚类结果为#0 虚拟现实、#1 人工智能、#2 深度学习、#3 教育、#4 机器学习、#5 虚拟仿真、#6 中职教育。

2.7 关键词突现

中文关键词突现词包括预测模型、机器学习、护生、虚拟仿真、教学，如图6所示。

3 研究启示

3.1 人工智能在近十年护理教育领域中的研究数量逐渐增加，但各机构间的合作有待进一步加强

基于发文量分析，自2018年后发文量整体呈上升趋势，2023年出现发文高峰。2018年4月28日，国务院办公厅发布的《关于促进“互联网+医疗健康”发展的意见》，鼓励推进AI等新技术的研发应用，以提高医疗护理服务的效率，有助于推动AI技术在医学教育中的融合应用^[9]。2023年作为医疗AI行业快速发展的一年，在临床自动诊断、药物研发、精准护理等方面取得了丰硕成果，为护理教育的研究提供了新的视角和方法。例如，护理教育工作者积极探索智能护理诊断、护理机器人、远程护理等在护理教学中的融入^[10-11]。《中华护理教育》杂志为发表AI在护理教育中相关应用研究最多的期刊，该期刊主要报道护理教育及科研动态，涵盖院校教育、临床教学等内容，可为师生了解该领域相关研究进展提供参考^{[4, 12]}。吉林大学为发文最多的机构，但各机构间的合作欠佳，有待进一步加深。未来，鼓励不同机构之间信息共享和资源整合，以促进AI与护理教育等领域的深度融合，进而推动相关研究的深入发展。

3.2 AI赋能护理教育的实践创新，教育工作者积极探索AI技术的应用

基于关键词聚类和时区图谱分析显示，2014—2016年的研究以探讨AI赋能护理教育的实践创新为特征。AI技术的逐渐成熟为护理教育实践创新提供了新的教学手段和工具，如虚拟现实、增强现实等，能够模拟临床实际护理场景，提高学生的实践能力和应对紧急情况的能力^[13-14]。例如：方敏等^[14]探讨虚拟现实技术在急危重症护理学实验教学中的应用效果，以2 个班263 名护理本科生作为研究对象，分为对照组（采用传统的实验教学方法）和试验组（运用高仿真模拟人进行教学），结果发现试验组学生的技能考核成绩高于对照组（P<0.001），虚拟现实技术能激发学生的学习兴趣，使其更好地掌握护理操作技能。此外，科普软件和远程教育也使得护理教育更加便捷和普及。林华等^[13]探讨数字艺术设计与远程医疗教育结合，为学生提供二维至四维的静态、动态及交互图像，以支持远程医疗教学和科研等。随着信息技术的快速发展，护理教育领域积极探索如何将先进的AI技术应用于护理教育，以提高学生的综合素质。

3.3 AI技术推动护理教育信息化的教学变革，教育工作者不断更新教学方法

分析2017 — 2020年的关键词特征及聚类情况，该阶段研究主要关注AI技术推动护理教育信息化的教学变革。在AI技术助力实践创新的基础上，护理教育工作者不断更新教学内容和教学方法，以适应时代的需求^[15]。因此，研究者们积极探索应用AI技术推动护理教学模式的变革，如在线学习平台、信息系统、模拟教学等方式，使得护理教育更加灵活、高效和个性化^[16-17]。香港大学护理学院采用高仿真模拟教学，并逐步将模拟教学扩展至临床前实习，通过引入机器人、VR/AR技术推进跨专业学习，深化AI技术在护理教育中的应用^[16]。雷鹏琼等^[18]构建了静脉穿刺虚拟医院教学系统，包含了3D动画及模拟病例库等，研究发现，信息化教学可显著提高学生的理论成绩和操作成绩（P<0.01），提示教师应结合课程和学生特点，合理利用信息化手段来优化教学过程。在此发展阶段，护理教育工作者通过推动信息化教学改革，提升了学生们的学习效率和教学效果。

3.4 AI技术引领护理教育前沿，教育工作者不断提升护理教学质量

分析2021 — 2024年的关键词及聚类情况，结果显示，该阶段研究向AI技术引领护理教育前沿进一步发展。随着AI技术的广泛应用，以及护理教育对高效化教学的需求，AI技术逐渐推动了护理教育向智能化和个性化方向发展，以达到提高学生实际操作能力和解决问题的临床思维能力^[19-21]。例如，栗新等^[22]研究发现，采用基于虚拟仿真实验的混合式教学的试验组（n=68），护理本科生的理论（92.79 vs. 88.51; P<0.05）和技能成绩（95.50 vs. 89.77; P<0.05）总分均高于对照组（n=62）。王颖等^[19]在肠造口护理实践教学中应用虚拟仿真技术联合雨课堂，结果显示，试验组学生的理论及操作考核成绩比传统实践教学组的高（P<0.05），且70%以上的学生认为虚拟仿真教学模式增强了其自主学习能力，以及激发了学习兴趣，有利于提升护理实践教学质量。此外，还有学者基于随机森林等算法识别影响护生学习的各种因素，如学习方法、学习环境、个人兴趣等，为护理教育的改革和优化提供了有力的数据支持^[23]。

3.5 AI在中国护理教育领域中的应用呈现交叉融合趋势

基于突现词分析，AI技术在我国护理教育领域中的发展趋势主要包括预测模型、机器学习、护生、虚拟仿真、教学。护生的培养是护理教育的核心任务，AI技术通过虚拟仿真等技术手段，为护生提供了更加真实、生动的实践场景，有助于他们更好地掌握护理技能，提高实际操作能力^{[20, 24]}。例如，高小月等^[24]通过虚拟现实以及人机交互等技术，开发了颅颌面损伤患者院内急救护理的虚拟仿真教学平台，使学生能够获得直观的急救体验，从而增强了他们的综合急救能力。未来，护理教育工作者可继续构建虚拟的病房、手术室等场景，护生可以在不接触真实患者的情况下进行反复练习，从而提高护理技能以及教学的安全性和效率。而且，基于智能化教学系统的记录，教育工作者可以实时监测护生的学习进度和效果，为他们提供及时的反馈和指导^[25]。研究者们可以利用机器学习等算法对护理学生的学习数据进行分析，以预测其学习成果、潜在的学习困难以及职业发展，有助于教师制定更加个性化的教学计划，从而提高护生的学习效果和满意度^[23]。

4 结束语

本研究应用可视化分析，对AI在国内护理教育领域近十年发表的文献发文量、机构、关键词等进行梳理，在技术发展与教育需求的背景下，该领域相关研究日趋增多并逐步深入，但各机构间的合作仍需加强。近十年，研究热点从AI赋能护理教育的实践创新，到关注AI技术推动护理教育信息化的教学变革，再到AI技术引领护理教育前沿进一步发展。未来，该领域研究趋势包括虚拟仿真技术的广泛应用以及教学的创新需求、基于机器学习的预测模型构建及个性化学习体验的优化，为AI技术推动护理教育工作创新提供参考。但是，本研究存在一定的局限性。尽管CNKI数据库收录了大量的中文学术资源，但是单一的数据库检索可能会导致部分学术资源的缺失，而且本研究仅检索了中文数据库，缺乏国际数据库的检索，导致了国际相关智能化护理教育前沿文献的数据缺失。未来，期望通过扩展数据源以进一步提高结果的可靠性及国际视角的最新发现。

参考文献

[1] 贺生, 范瑾, 赵钰, 等. 新时代我国公共卫生人员与预防医学教育现况及发展对策分析[J]. 预防医学情报杂志, 2022, 38(11): 1486-1490.

[2] 中共中央,国务院. “健康中国2030”规划纲要[EB/OL].(2016-10-25) [2022-11-30].

[3] 中华人民共和国教育部. 教育部关于发布《教师数字素养》教育行业标准的通知[EB/OL]. (2023-02-25)[2024-06-11].

[4] 李金亮, 范秀珍. 人工智能在职业生涯规划中的应用及对护理教育的启示[J]. 中华护理教育, 2024, 21(9): 1072-1076.

[5] 罗华宇, 许敏, 曾朝蓉, 等. ChatGPT在护理领域中应用的前景与挑战[J]. 中华护理教育, 2023, 20(12): 1520-1523.

[6] JALLAD S T, NATSHEH I, HELO L A, et al. Nursing student’s perceptions, satisfaction, and knowledge toward utilizing immersive virtual reality application in human anatomy course: Quasi-experimental[J]. BMC Nursing, 2024, 23(1): 601.

[7] SON Y, KANG H S, de GAGNE J C. Nursing students’ experience of using holopatient during the coronavirus disease 2019 pandemic: A qualitative descriptive study[J]. Clinical Simulation in Nursing, 2023, 80: 9-16.

[8] CHEN C M, HU Z G, LIU S B, et al. Emerging trends in regenerative medicine: A scientometric analysis in CiteSpace[J]. Expert Opinion on Biological Therapy, 2012, 12(5): 593-608.

[9] 国务院办公厅. 国务院办公厅关于促进“互联网+医疗健康”发展的意见[EB/OL]. (2018-04-28)[2023-01-07].

[10] 闫茹. 伦理视角探析智能老龄护理机器人用户使用意愿[D]. 桂林: 桂林电子科技大学, 2023.

[11] 范春梅, 梁晓灿, 石静, 等. 护理专业本科生参与虚拟现实技术教学体验研究的Meta整合[J]. 中华护理教育, 2023, 20(2): 151-157.

[12] 豆欣蔓, 裴菊红, 张玉芳, 等. 虚拟现实技术在护理教学中应用效果的Meta分析[J]. 中华护理教育, 2021, 18(7): 618-623.

[13] 林华, 高璐静. 远程医疗可视化与数字艺术设计[J]. 工业设计, 2015(6): 66-68.

[14] 方敏, 杨宝义, 汪蓉, 等. 虚拟现实技术在急危重症护理学实验教学中的应用[J]. 中华护理教育, 2015, 12(11): 820-822.

[15] MULDER N, SCHWARTZ R, BRAZAS M D,et al. The development and application of bioinformatics core competencies to improve bioinformatics training and education[J]. PLoS Computational Biology, 2018, 14(2): e1005772

[16] 林淑芬, 林佳静. 模拟教学在护理教学中的应用策略[J]. 中华护理教育, 2018, 15(8): 593-596.

[17] 李威. 虚拟现实技术背景下情景模拟教学法在护理学教学中的应用与改良[J]. 护理研究, 2018, 32(16): 2649-2652.

[18] 雷鹏琼, 高颖, 赵蓓, 等. 护理基本技术课程的信息化教学[J]. 中华护理教育, 2017, 14(12): 909-912.

[19] 王颖, 田建丽, 焦亚辉, 等. 虚拟仿真技术联合雨课堂在肠造口护理实践教学中的应用[J]. 护理学杂志, 2024, 39(2): 83-86.

[20] 史利锋. 虚拟现实技术在妇产科护理学实训教学改革中的应用研究[J]. 中国教育技术装备, 2023(5): 127-129.

[21] 常世杰, 王韵端, 刘隆桥, 等. 基于三维可视化控制技术的医学护理科普仿真实训软件的设计与开发[J]. 工业和信息化教育, 2024(8): 51-54.

[22] 栗新, 刘涛, 任素芬, 等. 基于虚拟仿真实验的混合式教学对护理本科生深度学习的影响[J]. 中国医学教育技术, 2021, 35(6): 753-757.

[23] 岳芳岩, 李静, 陈欧, 等. 机器学习在医学专业教育教学评价中应用的范围综述[J]. 教育进展, 2022, 12(7): 2447-2455.

[24] 高小月, 戴静静, 袁卫军, 等. 颅颌面损伤患者院内急救护理虚拟仿真教学平台的建立及应用评价[J]. 上海口腔医学, 2023, 32(4): 437-442.

[25] 李欣璐, 汤靓, 梁娜, 等. 大专护生外科护理学实训虚拟现实系统应用效果评价[J]. 护理学杂志, 2023, 38(16): 92-95.

基金资助

北京市高等教育学会2023年立项面上课题“基于知识图谱的‘四维’《内科护理学》智慧服务体系构建研究”(MS2023147)