DeepSeek进课堂——AI智能体在器官系统整合课程教学中的应用探索与思考

Integrating DeepSeek into the classroom——Exploration and reflection on the application of AI agents assistant teaching in organ-system based curriculum

摘要

人工智能技术的快速发展正驱动医学教育范式由经验传授型向数据驱动型智能赋能的系统性转变，但AI技术在医学教育场景中的教学策略适配性与实施路径仍有待进一步探索。本研究通过学校“交小智平台”部署DeepSeek智能体，构建“课前智能导学—课中精准教学—课后数据循证”的三阶段教学模式开展教学实验。课后问卷调查数据显示，AI辅助教学明显提升了学生对知识的理解程度；94.89%的人表示使用智能体对上课内容的理解有帮助，并且教师的教学方式得到了学生的广泛认可。表明利用AI智能体辅助课程教学是一种行之有效的教学模式，值得推广。

Abstract

The rapid development of artificial intelligence (AI) technology is driving a systematic transformation of medical education paradigms from experience-based knowledge transmission to data-driven intelligent empowerment. However, the adaptability of AI-based pedagogical strategies and implementation pathways in medical education still requires further exploration. In this study, we deployed the DeepSeek intelligent agent through “JiaoXiaoZhi” Platform to establish a three-phase teaching model encompassing “pre-class intelligent guidance, in-class precision instruction, and post-class data-informed validation.” Teaching experiments demonstrated that AI-assisted instruction significantly enhanced students’ knowledge comprehension, with post-course questionnaire data revealing that 94.89% of participants acknowledged the intelligent agent’s effectiveness in improving content understanding. Furthermore, the teaching methodology received widespread student approval. These findings indicate that AI agent-assisted course delivery constitutes an effective pedagogical model worthy of broader promotion in medical education.

Graphical abstract

关键词

人工智能 / 器官系统整合课程 / AI智能体 / 教学改革

Key words

artificial intelligence / organ system based curriculum / AI agent / teaching reform

随着人工智能（artificial intelligence，AI）和大数据技术的快速发展，使得传统医学教育体系面临着两大核心矛盾：指数级增长的知识总量与有限教学资源的冲突，以及标准化培养模式与个性化学习需求的冲突。建构主义学习理论对此提出了有效的解决方案，其主张以学生为本，学生在教师的引导下主动地处理信息和主动地构建知识意义。因此，AI在医学教育教学中的应用必要性日益凸显，它不仅能够解决传统医学教育体系的固有矛盾，还可以重塑教育生态。AI驱动的线上与线下混合式教学框架，通过破除传统教学的时空限制、重塑能力评价标准，推动医学教育从“经验传授”向“数智赋能”转型。欧洲医生常务委员会（The Standing Committee of European Doctors，CPME）在2019年就强调了在基础医学教育和继续医学教育中使用人工智能系统的必要性，建议将人工智能系统纳入医学教育、住院医师规范化培训和继续医学教育课程，以提高对人工智能正确使用的认识^[1]，其建议本质上预见了建构主义与混合式教学在数字时代的必然融合。近年来，国内外医学教育界纷纷开始探索AI在医学教育中的应用^[2-7]。在DeepSeek等国产大语言模型（large language model，LLM）崛起之后，AI在我国医疗和医学教育领域的应用将更加广泛，AI素养和AI胜任力作为多学科和多个行业的关键技能也应运而生，但在提升医学人才培养质量中的具体应用方式和方法还有待进一步探索^[4,8-10]。

西安交通大学医学部一直致力于器官-系统整合课程（organ-systems based curriculum，OSBC）的教育教学改革，目标是构建“医学+X”的交叉学科课程体系，实现从知识传授型向探索研究型教育的转变。“基本科研素养”是第二轮改革中新设立的专业基础课程，目的是锻炼学生收集资料、数据分析、独立思考、团队协作等能力，早期加强学生无菌、人文等临床观念，突显早临床、早科研理念^[11-12]。为此，本研究通过探讨AI智能体在OSBC专业基础课程教学中的应用效果，探索在OSBC教学中有效提升师生AI素养和胜任力的新方式。

1 研究对象与方法

1.1 研究对象

选择专业通识课程“基本科研素养”中的“无菌术”章节，在西安交通大学2024级侯宗濂医学实验班、基础医学拔尖班、临床医学5+3一体化和空军军医大学委托培养的学博军班学生中进行AI辅助教学的效果测试。

1.2 研究方法

构建“课前智能导学—课中引导教学—课后数据循证”的三段式AI辅助教学模式，通过“问卷星”平台进行问卷调查的方式，对AI辅助教学效果进行评价。

1.2.1 课前智能导学

基于西安交通大学智能AI应用平台“交小智”，以DeepSeek V3为语言模型，知识库中加入课程讲义、教案、无菌操作规程等内容，建立“基本科研素养-无菌术”的对话型智能体（如图1所示），课前一周发布在学生微信群内邀请学生自由访问。

1.2.2 课中引导教学

以“作为一名医学生，我想知道无菌术的发展历程”为提示词，分别在DeepSeek、Kimi、豆包三个大语言模型中进行提问，向学生展示三者的答案差异，并指出相应的优缺点，培养学生在使用AI过程中的批判性思维。从逻辑性来看，DeepSeek的回答以时间轴（古代→现代→未来）分五阶段展开，框架清晰，关键人物覆盖全面，并且基于现有技术对未来趋势进行展望；Kimi也以时间轴架构呈现，符合“科学发现→工具创新→制度建立”的医学史发展路径，末尾还总结了无菌术发展的意义；豆包回答基于段落和小标题形式，分段明确，但标题时间线与重要事件相混合，逻辑性稍弱。从准确性来看，豆包回答较短，无明显错误，Kimi中德国医生伯格曼的英文名出现错误，DeepSeek中“无菌”与“消毒”概念略有混淆，WHO手术安全核对表的发布时间错误。另外，从文化适配性的角度来看，DeepSeek和Kimi对于关键性人物均给出了姓名的中英文，而豆包只有中文，但所有AI模型答案中均缺少对传统中医药在无菌术方面的重要贡献，借此向学生指出中医外科的无菌理念比西方早1 400余年，以此提升学生的文化自信。

以AI模型答案为基础，结合医学发展史上的典型事件，向学生讲授无菌观念在医疗工作中的重要性，并以模型答案中出现的重要人物Ignaz Semmelweis、Joseph Lister等为切入点，强调日常临床工作中基础知识、观察分析等能力的重要性，并结合近年来在《柳叶刀》等权威学术期刊上发表的无菌术相关文章，鼓励医学生未来开展紧密结合临床的相关研究，提升学生的职业素养和科学素养。

以AI文生图、文生视频、视频转换等多种方式，制作形式多样的教学资料，课堂上结合现场演示和学生实操来提高知识的传授和转化效率。

1.2.3 课后数据循证

通过问卷星调研，了解学生日常学习中AI使用情况，从学生知识理解程度、教师教学方法的接受程度和课程进度安排适应程度三个方面进行测评，并结合2023级学生的调研问卷进行分析，对AI辅助教学效果进行评价。

1.3 统计分析方法

基于调研和测试数据，以“问卷星”平台生成数据进行描述性和频数分析，计数资料的组间比较采用IBM SPSS Statistics 26软件对数据进行χ²检验。以P<0.05为差异具有统计学意义。

2 结果

2.1 学生基本情况

共225名2024级学生参加调研，其中侯宗濂医学实验班36人（16.00%）、基础医学拔尖班23人（10.20%）、5+3一体化班145人（64.40%），学博军班21人（9.30%）。所有学生均为初修本门课程。

2.2 学生AI使用情况

问卷数据显示，在参与调研的225名学生中，179人（79.56%）在平时学习或完成作业时会使用AI辅助，以DeepSeek、豆包、Kimi使用频次最高。137人（60.89%）在课前使用了教师发布的智能体，这其中的113人（82.48%）在智能体中多次提问，96人（70.07%）对比了智能体和其他网络大模型的答案差异。

2.3 学生知识理解程度

与未使用AI辅助教学的2023级学生课后调研结果相比，AI辅助教学明显提升了学生对知识的理解程度（χ²=15.515，P<0.001）；与课前未使用智能体的学生相比，使用智能体的学生对知识的理解程度更高（χ²=16.604，P<0.001），并且在课前使用智能体的学生中，有94.89%的人表示使用智能体对上课内容的理解有帮助。

2.4 教师教学方法接受程度

97.33%的学生表示喜欢教师的讲授方法，2.67%的学生选择了一般，未有学生表示不喜欢。在选择完全理解和大部分理解教学内容的学生中，喜欢教师的讲授方法的比例分别为100.00%和96.63%，表明教师的教学方式得到了学生的广泛认可，并且理解程度高的学生更倾向于喜欢教师的讲授方式。

2.5 课程进度安排适应程度

对于将无菌术的学习提前到大一阶段这一改变，2023年度参与调研的学生中，有166人（67.76%）表示目前学习无菌术的时间正好，56人（22.86%）认为太早；2024年度在AI辅助下，183人（81.33%）表示时间正好，26人（11.56%）认为时间偏早；而在完全理解无菌术的学生中，有93.48%认为学习时间正好，说明大部分人对当前学习安排的认可，并且理解程度较高的受访者更倾向于认为学习时间适宜。

3 讨论

针对AI 驱动的医疗健康行业的不断发展，医学课程也应及时更新，同时为未来医师提供有效的AI 技术与工具^[1]。作为AI时代的医疗健康从业者，要具备以下6项AI核心能力：AI基础知识、AI的社会和伦理影响、AI增强的临床会诊、基于AI工具的循证评估、基于AI工具的工作流程分析、基于实践的学习和改进关于基于AI的工具^[13]。因此，AI赋能教学，提升教师和学生的AI素养和胜任力势在必行。

OSBC的目标是培养学生跨学科系统思维，打破基础医学与临床医学的学科壁垒，培养多模态信息整合能力，基于生物医学证据进行诊断推理，理解实验室数据与临床表现的因果关系，而AI智能体可以建立器官系统知识的多维表征体系，提升学生生物医学证据的整合分析能力。在学校全面部署DeepSeek的背景下，西安交通大学医学部依托学校人工智能AI创新应用平台“交小智”，在国内首次建立了针对器官-系统整合课程的智能体模型集群iSeek（校园网访问https://ai.xjtu.edu.cn/product/llm/chat/d0d2aml q6dios7oas8tg）。为了探索AI智能体的辅助教学效果，本研究依托AI智能体构建了“课前智能导学—课中精准教学—课后数据循证”的三阶段教学模式，是对OSBC体系数智化升级的全新尝试。大语言模型的发展为医学教育带来了创新性变革，相比于传统教育手段，AI赋能在智能化、个性化、互动性、内容生成与处理方面都有质的提升^[14]。其教育学价值已超越单纯的知识传递工具，可以作为支撑学生构建领域特异性认知框架的元认知伙伴，这种转变符合Sweller认知负荷理论的优化路径。同时教师应该预料到学生会将生成式AI工具用作快速参考和信息综合的工具。在本研究的调研结果中也显示，AI在学习过程中的普及程度较高，而且主动应用AI的学生在理解学习内容上表现更好；并且有77.08%的学生还对比了教师发布的智能体和其他网络大模型的答案差异，显示其在学习过程中更积极地寻求多元信息，主动探索医学知识的学习态度。

在医疗健康领域和医学教育中，信息的有效性对于行为决策至关重要。目前，包括DeepSeek和ChatGPT在内的各类大语言模型，在提供生成其回复所依据的参考文献方面还有一定缺陷，有时也会将错误信息当作事实来陈述，这严重限制了其作为学习工具的可用性^[15]。开发医学教育专用大模型，构建封闭知识系统，规避公共模型“幻觉”风险，是未来需要努力的方向。教师通过搭建AI智能体，构建高质量的知识库，可以不断优化向学生提供的答案，可能是现阶段针对信息不确定性的有效解决方法之一。调研结果显示，智能体在学习过程中被视为一种有效的辅助工具，并且对学习内容理解程度较高的学生更倾向于认为智能体有助于学习。表明生成式AI可以为学习者提供锻炼批判性评估和探究技能的机会，并帮助学生识别当前知识中的潜在空白，同时这也是教师教学时培养学生批判性思维和进行课程思政的良好时机。

AI促使教师转向学习设计者角色，需要采用多样化的教学方法来增强课堂教学的互动性，同时建立有效的反馈机制，及时了解学生对课程的看法和需求，将有助于提高学生的学习兴趣和参与度，进一步提升教学质量和学生的学习体验。对学生的调研结果也显示，教师的教学方式得到了学生的广泛认可，并且理解程度高的学生更倾向于喜欢教师的讲授方式；同时超过80.00%的学生也认可当前的学习安排，这反映了课程设置与实际需求的良好匹配。

除了强调了解人工智能基础知识以及识别数据安全和准确性方面风险的重要性之外，我们还需要清醒地认识到AI辅助教学的技术依赖与认知能力退化风险。通过对智能体后台访问数据我们发现，学生在使用智能体进行提问时几乎都是直接选择用户界面上提供的示例问题，仅有1人进行自主提问。过度依赖AI辅助可能会削弱学生学习的主观能动性，若在临床实践中过度依赖AI诊断建议则可能导致临床思维的“空心化”。未来应当建立人机协同教育框架，并设计AI介入的“认知安全阈值”，以有效平衡技术辅助与思维的自主性。通过技能手段和教师的不断训练，让AI智能体既能支撑学生的个体认知发展，又能作为协作中介促进师生学习共同体的构建。

本研究是对AI智能体在OSBC专业基础课程教学中应用的初步探索，还存在一些不足之处：首先，智能体的提示词和知识库搭建还需进一步完善，还无法实现对学生使用过程和知识学习的动态评价；其次，本次采用的调查问卷以主观感受为主，调研问卷带有少量试题，评分显示AI辅助能够提升测试成绩，但并未显示出显著性差异，可能是因为试题区分度或试题量不够，因此缺少对知识内化率提升的客观性指标，今后应开展随机对照试验（RCT），以提升研究的严谨性和证据价值。

4 结束语

人工智能技术的迅猛发展正引发未来全球医学教育领域的范式重构 ^[16]。在医疗健康服务数字化转型的进程中，远程医疗与AI辅助诊断系统临床应用所形成的人机共融生态，正在重新定义医学专业能力的核心要素。这要求医学教育体系必须前瞻性地将人机协同能力培育纳入核心课程模块，为应对未来智慧医疗场景储备数字胜任力。AI智能体生态的日趋成熟也催生了新型教育载体的演进，形成了教学主体与智能媒介的共生关系。这种技术赋能下的教学范式转型，为构建以能力迭代为核心的医学教育新基建提供了可行路径。

参考文献

[1] JACKSON P, PONATH SUKUMARAN G, BABU C, et al. Artificial intelligence in medical education- perception among medical students[J]. BMC Medical Education, 2024, 24(1): 804.

[2] 李敬超, 张美微, 王欢. 生成式人工智能对中医药教育的影响及对策探索[J]. 药学研究, 2025, 44(2): 205-208.

[3] 任晓阳, 朱姣, 刘亚萍, 等. 生成式人工智能在诊断学问诊教学中的应用[J]. 中国医学教育技术, 2025, 39(1): 29-32.

[4] BOSCARDIN C K, GIN B, GOLDE P B, et al. ChatGPT and generative artificial intelligence for medical education: Potential impact and opportunity[J]. Academic Medicine, 2024, 99(1): 22-27.

[5] MASTERS K. Artificial intelligence in medical education[J]. Medical Teacher, 2019, 41(9): 976-980.

[6] 程珊, 丛林, 胡文东, 等. “AI+教育”时代背景下医学实践课程教学模式现状与改革趋势[J]. 医学新知, 2024, 34(8): 950-956.

[7] 李辉雁, 王海波, 匡铭. 人工智能赋能医学人才培养和教育教学改革:中山大学的实践与探索[J]. 高校医学教学研究(电子版), 2024, 14(3): 8-13.

[8] NG F Y C, THIRUNAVUKARASU A J, CHENG H, et al. Artificial intelligence education: An evidence-based medicine approach for consumers, translators, and developers[J]. Cell Reports Medicine 2023, 4(10): 101230.

[9] TOLSGAARD M G, PUSIC M V, SEBOK-SYER S S, et al. The fundamentals of artificial intelligence in medical education research: AMEE Guide No. 156[J]. Medical Teacher, 2023, 45(6): 565-573.

[10] LEE J, WU A S, LI D, et al. Artificial intelligence in undergraduate medical education: A scoping review[J]. Academic Medicine, 2021, 96(11s): S62-S70.

[11] 刘进军, 王渊, 张澍, 等. 以胜任力为导向创建实施“全融合”临床医学人才培养新模式[J]. 医学教育研究与实践, 2022, 30(5): 527-531.

[12] 张澍, 王渊, 刘进军, 等. 基于器官-系统整合课程的沉浸式临床医学人才培养模式创建与实践[J]. 中国医学教育技术, 2022, 36(5): 515-518.

[13] RUSSELL R G, LOVETT NOVAK L, PATEL M, et al. Competencies for the use of artificial intelligence-based tools by health care professionals[J]. Academic Medicine, 2023, 98(3): 348-356.

[14] GORDON M, DANIEL M, AJIBOYE A, et al. A scoping review of artificial intelligence in medical education: BEME Guide No. 84[J]. Medical Teacher, 2024, 46(4): 446-470.

[15] LEE H. The rise of ChatGPT: Exploring its potential in medical education[J]. Anatomical Sciences Education, 2024, 17(5): 926-931.

[16] COOPER A, RODMAN A. AI and medical educa-tion-A 21st-Century Pandora’s Box[J]. The New En-gland Journal of Medicine, 2023, 389(5): 385-387.

基金资助

陕西高等教育教学改革研究重点项目(23BZ003)

西安交通大学本科教学改革研究项目(22BJ06Y)

西安交通大学本科教学改革研究项目(24BJ09Y)