生理学教学方法的探索与创新：人工智能赋予的变革实践

Exploration and innovation of Physiology teaching methods: The transformative practice endowed by AI

摘要

为不断提高生理学教学效果，针对传统教学方法的局限性，引入ChatGPT、DeepSeek、豆包等人工智能创新手段助力生理学教学模式变革：人工智能辅助探究式教学模式；智能虚拟仿真技术教学模式；数据驱动的个性化学习模式。以葡萄糖代谢和糖尿病相关教学内容为例，详细阐述了新型教学模式在生理学教学中的实践应用，探讨AI工具在知识准确性、思维依赖性及教师角色转型中带来的问题，并构建了“教师主导权让渡后的教学质量保障机制”。人工智能赋予的创新教学方法不仅可以提高教员的教学技巧和教学能力，还可以显著提高学员的学习动力、兴趣、知识点掌握程度以及实践能力。

Abstract

To improve the effect of Physiology education continuously and address the limitations of traditional teaching methods, innovative artificial intelligence (AI) tools such as ChatGPT, DeepSeek, and Doubao have been introduced to facilitate the transformation of Physiology teaching models. These include an AI-assisted inquiry-based teaching mode an intelligent virtual simulation technology teaching mode and a data-driven personalized learning model. Taking the teaching content related to glucose metabolism and diabetes as an example, this study elaborates on the practical application of these new teaching modes in Physiology education. It also explores the challenges posed by AI tools in terms of knowledge accuracy, cognitive dependency, and the evolving role of educators, while proposing a “quality assurance mechanism for teaching following the transfer of instructional autonomy.” The innovative teaching methods empowered by AI not only improve instructors teaching techniques and capabilities but also significantly enhance students learning motivation, interest, mastery of knowledge points, and practical skills.

Graphical abstract

关键词

生理学 / 教学方法 / 教学创新 / 人工智能

Key words

Physiology / teaching methods / teaching innovation / AI

生理学作为医学教育的重要基础学科，其教学质量直接影响医学生的专业素养和临床能力^[1]。然而，传统的生理学教学方法往往以教师讲授—学生聆听的单向灌输模式为主，学生处于被动接受知识的状态，难以激发其学习兴趣，培养批判性思维与自主探究能力^[2]。随着医学教育理念迭代及人工智能技术的蓬勃发展，突破传统教学桎梏、探索创新教学路径成为必然趋势。引入问题、导向学习、案例教学、虚拟仿真等方法虽有一定革新，但人工智能工具（如ChatGPT、DeepSeek、豆包等）的出现，为生理学教学变革提供了更具活力与潜力的技术支撑^[3]。该文旨在深入探讨人工智能技术赋能背景下，生理学教学领域涌现的创新实践，系统剖析其具体的应用模式、展现的显著价值、取得的实际效果以及面临的现实挑战。通过聚焦以葡萄糖代谢和糖尿病相关教学为代表的核心内容，审视当前生理学教学的现状及其存在的深层问题，阐述人工智能如何与创新教学方法深度融合以优化教学过程，最后对人工智能工具在生理学教学中的应用价值与潜在挑战进行理性分析与思考。

1 生理学教学现状分析及存在的问题

1.1 知识传递的单向性

传统生理学教学以教师为核心，教学流程严格遵循教材章节逻辑，学生通过“听讲—记笔记—背诵”的线性模式接收知识，缺乏对生理过程的主动建构^[4]。例如，在讲解“肾小球滤过与肾小管重吸收”时，教师仅通过静态挂图展示肾小管上皮细胞结构，用语言描述“葡萄糖在近端小管的继发性主动转运”机制，学生难以理解“肾糖阈”的动态意义——当血糖浓度超过10 mmol/L时，葡萄糖转运体（SGLT）饱和导致尿糖出现的过程。这种静态、单向的知识传递，使得学生对“糖尿病患者尿糖阳性”的理解仅停留在“血糖高”的表层认知，无法关联“转运体数量”“小管液流量”等影响因素。生理过程本质是动态的、连续的且相互关联的，传统教学模式将完整的生理过程拆解成孤立的静态知识点，无法构建各个环节联动的动态过程模型，这种静态化传授与动态化机制之间的根本性脱节，是学生无法形成系统性生理思维的首要因素。

1.2 教学反馈的滞后性

传统教学中，教师通过课堂提问与课后作业获取学生学习反馈，但存在显著局限。课堂时间有限，教师单次提问仅能覆盖5~8名学生，难以了解多数学生对“血糖调节的神经-体液协同机制”的个性化困惑；课后作业批改周期通常为3~5天，学生在“为什么胰高血糖素与胰岛素的分泌存在拮抗关系”等问题上的理解偏差，可能在等待反馈的过程中形成知识理解偏差积累。例如，在“糖尿病分型” 教学后，学生常混淆1型与2型糖尿病的胰岛素分泌特点，若不能及时纠正，后续学习“降糖药物作用机制”时，会出现“将胰岛素增敏剂用于1型糖尿病”的逻辑错误。这种目前普遍存在的断裂的学习闭环，无法在认知构建过程中提供及时的引导，从本质上阻碍了学生自主探究与知识内化能力的形成。

1.3 实践教学的受限性

生理学实验是连接理论与实践的关键环节，但受限于设备、伦理与成本，多数院校难以开展高质量的综合性实验。在“人体神经反射”教学中，因伦理规范限制，学生无法直接参与 “条件反射建立与消退”实验，仅能通过巴甫洛夫狗实验的文字描述推导过程，缺乏对 “强化、泛化、分化”等概念的直观体验。在葡萄糖代谢相关实验中，传统方法仅能通过“家兔注射胰岛素后血糖下降”的简单观察，无法展示“肝脏、肌肉、脂肪组织在血糖调节中的协同作用”；更复杂的“胰岛素信号通路异常导致的代谢综合征”实验，因需要基因敲除动物模型与精密检测设备，多数院校难以开展，导致学生实践能力培养仅停留在 “基础操作” 层面，缺乏对复杂生理机制的验证能力。

1.4 课程考核的单一性

传统的“生理学”课程考核方式主要以期末笔试为主。其核心只能考查学生对教材中理论知识的掌握程度，而对实验设计、数据分析以及临床问题等应用能力考查不足，难以全面反映学生学习过程^[5]。例如，传统笔试侧重考查“葡萄糖代谢途径”等理论知识，却对“糖尿病案例分析”“血糖调节实验设计”等应用能力体现不足。部分院校虽引入形成性考核（如实验报告、课堂表现），但因评分标准模糊（如“实验报告逻辑性”仅靠教师主观判断），难以有效区分学生的分析能力与创新思维。这种单一的考核模式，导致学生陷入“为考试而记忆”的误区，忽视对生理知识的临床转化能力。医学教育的终极目标是培养学生解决临床问题的实践能力。这种考核导向与培养目标之间的内在冲突，导致学生的学习策略与临床思维能力的培养背道而驰。

2 人工智能手段赋予生理学教学的三种模式

为了系统解决上述生理学教学困境，我们构建了生理学教学新模式，旨在通过人工智能的深度融合，重塑教与学的全过程。

2.1 人工智能辅助探究式教学模式

人工智能辅助问题导向学习（problem-based learning，PBL）和智能案例教学法，旨在通过人工智能生成复杂问题、提供动态知识图谱、创建真实临床情景，帮助学生主动构建动态、互联的知识体系，实现从知识点到知识网络的跨越。问题导向学习是一种以学生为主体，以问题为核心的教学方法^[6]。在生理学教学中，教师可以设计与临床相关的问题情境，引导学生自主探索和解决问题。人工智能工具辅助PBL教学法，可使其得到更有效的应用。教师利用DeepSeek的医学知识图谱构建能力，生成跨模块整合型PBL问题，如“糖尿病患者多尿、烦渴症状的生理病理机制联动分析”。同时，通过ChatGPT、豆包等工具输入教学目标关键词（如“2型糖尿病临床案例”），可快速生成包含症状描述、实验室检查、影像学资料、用药反应等要素的综合案例。系统还可根据学生前期测试表现动态调整问题与案例难度：对基础薄弱者提供“单纯性糖尿病”基础案例，要求其分析基本代谢途径；为进阶学员设计合并慢性肾病、心血管并发症的复杂案例，需综合计算肾小球滤过率对药物代谢的影响，分析多重病理生理过程的相互影响。

在问题与案例引导下，学生分组利用人工智能工具开展深度研究。 ChatGPT 可作为检索文献与梳理知识的助手，帮助学生从“肾小管对葡萄糖重吸收异常”延伸到“渗透压变化影响水平衡”，构建完整的知识逻辑链条。豆包可作为“知识答疑助手”，在学生讨论遇阻时，提供知识关联提示（如关联“胰岛素作用与血糖代谢”），推动其探究持续深入。如图1所示。在探究过程中，学生通过分析“二甲双胍如何通过改善胰岛素抵抗降低血糖”等具体问题，将抽象的“葡萄糖代谢途径”等理论知识转化为解决临床实际问题的能力。人工智能工具的介入，使传统PBL教学中耗时较长的资料搜集、知识梳理环节效率显著提升，让学生有更多时间专注于高阶思维训练。因此，人工智能辅助探究式教学形成了完整的教学闭环，既保持了探究式教学以学生为主体的特色，又通过人工智能工具解决了传统探究式教学资源有限、指导不足的痛点。

2.2 智能虚拟仿真技术的教学模式

虚拟仿真技术在生理学教学中的应用为实验教学提供了新的可能。通过计算机模拟和虚拟现实技术，学生可以在虚拟环境中进行各种生理实验，观察生理现象，验证理论知识^[7-8]。这种技术不仅能够模拟常规操作场景，更能实现传统实验室难以企及的微观机制可视化，突破“实践受限”难题。例如，在葡萄糖代谢实验中，学生可自主操控虚拟注射器将胰岛素注入模拟生物体，实时观察肌肉细胞膜表面GLUT4转运体被激活的全过程：随着胰岛素剂量从0.1U/kg逐步增加至0.5U/kg，屏幕上同步呈现血糖浓度曲线的陡峭下降，而细胞内的葡萄糖分子则以闪烁光点形式涌入胞质，这种动态演示使抽象的“胰岛素抵抗”概念具象化为可调控的视觉模型，弥补了实体实验的不足。

人工智能的深度融入更赋予虚拟实验强大的交互反馈能力。系统内置的智能诊断模块可即时捕捉操作误差并触发引导式修正，当学生操作失误时，比如误设离子通道状态，工具可智能提示并解析其对生理过程的影响，这种沉浸式学习环境将单向的实验观察转化为双向的探究对话，显著强化了对复杂生理通路的系统性认知 。

2.3 数据驱动的个性化学习模式

传统教学面临反馈滞后与考核单一的困境，而人工智能技术为生理学教学构建了数据驱动的动态评估与反馈新体系，显著优化了复杂生理过程的教学效能^[9]，为实现规模化因材施教提供了技术可能。另外，人工智能技术深度融合了学习效果动态评估与个性化路径推荐，形成了“数据采集—能力诊断—资源适配—反馈优化”的完整闭环。例如：在葡萄糖代谢、糖尿病病理等教学场景中，系统通过实时采集多源学习数据——包括虚拟实验操作精度（如血糖调节实验中胰岛素剂量设定）、理论测试反应模式及临床案例分析轨迹——构建动态知识掌握模型。基于这些多源异构数据，深度学习算法通过解析群体学习行为（如肾糖阈概念的高误解率、葡萄糖转运机制的混淆点），驱动教学逻辑的动态重构。在精准诊断的基础上，系统通过规划模块生成定制化的学习方案，实现学习路径的自适应调整。如针对糖异生途径理解薄弱的学生推送动态代谢流程图解与交互式问答，而为缺乏临床思维转化能力的学生优先设计糖尿病病例数据分析任务。

生成式人工智能（GenAI）深度赋能教学资源的建设和适配。大语言模型可即时生成糖尿病分型鉴别诊断训练、葡萄糖-胰岛素反馈调节动态演示脚本及个性化习题库，例如为理解“酮症酸中毒”有困难的学生生成从代谢基础到临床管理的阶梯式训练模块。结合虚拟实验技术，AI构建的“葡萄糖稳态调节模拟系统”允许学生调整胰岛素敏感性参数，实时观察血糖波动曲线并触发个性化干预训练，将抽象概念转化为可探索的模型，如胰岛β细胞超微结构或糖原颗粒空间构型，辅助理解胰岛素合成与分泌机制^[10]。这些技术协同实现了学习内容与个体认知特征的精准适配。

这种贯穿学习全周期的动态评估与即时反馈机制，有效解决了传统教学反馈滞后的问题，显著提升学生对糖代谢等复杂调控机制的理解深度与应用能力，课程实证表明，融合GenAI的个性化路径使83%以上的学生提升了学习效率（基于教学反馈统计），其核心价值在于通过技术赋能构建“以学习者为中心”的生理学教育新生态，为培养适应智能时代的医学人才提供关键支撑^[11]。此外，这种模型为推动教学从经验导向转向实证导向，奠定临床思维培养的新基础。

3 人工智能工具应用价值与挑战

首先，人工智能工具能够促进教学的个性化，使教学更加精准；其次，在PBL与个性化交互中，学生从“被动听”转为“主动探”，在工具辅助下自主解决问题，学习动力与参与感显著增强；最后，学生通过对人工智能工具的利用，提高其信息检索、分析推理、团队协作等能力^[12]。

但是，人工智能工具的应用也面临一些挑战。

3.1 知识准确性风险

人工智能工具在生理学教学中应用的首要挑战在于知识输出的准确性风险，这一风险源于生理学知识的动态更新特性与AI工具训练数据时效性、算法逻辑局限性之间的深刻矛盾^[13]。

生理学作为医学基础学科，其知识体系处于持续迭代中。随着分子生物学、基因组学等交叉学科的发展，许多传统生理机制的认知不断被修正或补充。然而，当前主流AI工具（如 ChatGPT、DeepSeek等）的知识储备依赖于训练数据的覆盖范围与更新时间。生成式AI的训练数据存在“时间截止点”，例如部分工具的核心数据截止到2023年，无法实时纳入2023 年后的最新研究成果。这导致AI在解释 “胰岛素抵抗的分子机制” 时，可能仅提及 IRS-1 磷酸化异常等传统机制^[14]，而忽略新型炎症因子（如IL-6、TNF-α）通过JAK-STAT通路对胰岛素信号的抑制作用^[15]，形成知识滞后。

这种准确性风险对医学教育的危害尤为显著：医学知识的严谨性直接关联临床决策的安全性，学生若通过AI获取错误的生理机制，可能在未来临床实践中形成错误的诊断思路。因此，如何校验AI输出内容的科学性、及时补充前沿知识，成为人工智能融入生理学教学必须跨越的第一道难关。

3.2 依赖与思维弱化隐患

人工智能工具在提升学习效率的同时，也潜藏着学生过度依赖技术、弱化自主思维能力的风险，这与生理学教学中对高阶认知能力的核心要求形成冲突。

生理学知识的理解与应用高度依赖“过程性思维”，即通过分析多个生理环节的联动关系，构建完整的知识网络。然而，AI工具的“即时解答”功能可能使学生跳过这一思维过程。当学生提问“为何糖尿病患者会出现体重下降？”时，若直接依赖AI输出“脂肪和蛋白质分解增加”的结论，而不自主分析“胰岛素不足—葡萄糖无法被利用—机体启动替代供能途径”的逻辑链 ，则难以理解“体重下降与血糖水平的正相关性”这一临床现象。长期依赖AI获取答案，会导致学生形成“输入问题—获取结果”的被动学习模式，弱化“提出假设—验证推理—修正结论”的科学探究习惯。

在问题导向学习（PBL）等强调自主探究的教学模式中，这种风险更为突出。例如，在 “糖尿病酮症酸中毒（DKA）的发生机制”PBL案例中，学生须整合“胰岛素严重缺乏—脂肪分解加速—酮体生成过多—代谢性酸中毒”的多环节逻辑，同时考虑“脱水”“电解质紊乱”等继发影响。若学生过度依赖DeepSeek生成的“机制总结”，而非自主查阅文献、分组讨论各环节的因果关系，则无法培养“从临床现象反推生理机制”的临床思维，而这种思维正是医学教育的核心目标。

3.3 教师角色与能力适配

人工智能融入教学要求教师从“知识讲授者”转型为“AI 整合引导者”，但传统教学能力体系与这一角色需求存在显著差距。

教师需具备三项核心新能力：一是 AI工具驾驭能力，如利用 DeepSeek 构建跨模块 PBL问题时，须理解知识图谱的关联逻辑；二是内容校验能力，须甄别 AI对“糖尿病最新治疗机制”等内容的解释是否准确；三是思维引导能力，在学生使用ChatGPT检索资料后，需通过追问推动其自主分析“胰岛素剂量与血糖波动的关系”。

然而，多数教师面临能力短板：一方面，生理学教师多专注于学科研究，缺乏 AI 技术应用培训，难以设计“虚拟仿真+AI 答疑” 的融合教学方案 ；另一方面，教学与科研任务繁重，难以投入时间优化AI教学场景。张珣等指出，“数智三驱”教学模式要求教师持续更新知识储备，对生理学领域新动态保持敏锐度，这对教师的学习能力提出了更高要求^[3]。

面对上述挑战，首先，教师要对工具输出的生理学知识（如对“糖尿病最新治疗机制”的解释）进行校验，筛选准确、优质内容用于教学，同时引导学生学会辨别信息真伪，培养信息批判意识。其次，布置需要工具辅助但更强调自主分析的任务，如要求学生用ChatGPT 收集资料后，独立撰写“糖尿病生理机制创新应用报告”，强化其思维训练。另外，通过专题培训、教学工作坊等，提升教师人工智能工具操作、教学融合设计及学生思维引导能力，适应教学模式转型 。

以上种种挑战也说明，在积极探索人工智能赋能教学方法创新的同时，我们也必须审慎地构建与之相匹配的教学质量保障机制。教师主导权的部分让渡，并非责任的削弱，而是其角色的深化与转型——从知识的单向传授者，转变为学习过程的引导者、人工智能应用的监督者以及教学效果的终极负责人。为此，我们应当构建一个动态的质量保障闭环：

在教学前，教师需评估、筛选和整合最适合教学目标的人工智能工具，精心设计人机协同的教学方案，明确人工智能工具的使用边界与目标；在教学过程中，通过人工智能工具提供的实时学情数据分析，教师进行动态干预与个性化辅导，确保学生的学习轨迹不偏离核心教学目标；在教学后，教师则主导对人工智能生成内容与推荐路径的批判性评估，并结合多元化的形成性评价与终结性评价，对教学效果进行综合研判。

这一机制的核心在于，将教师的专业判断与人工智能的数据智能深度融合，通过教师的持续监督、过程调控与结果把关，确保在充分发挥人工智能工具优势的同时，牢牢锚定教学质量和育人目标的实现，最终达成人机协同、教学相长的良性循环。

4 结束语

生理学教学方法的创新与实践对于提高教学质量、培养高素质医学人才具有重要意义。传统教学模式因单向传递、反馈滞后等局限，难以满足现代医学教育对“能力导向”的要求。人工智能技术为系统解决这些问题提供了强有力的支撑，该文通过人工智能辅助教学模式、智能虚拟仿真技术的教学模式、数字驱动的个性化学习模式三个方面，系统地重塑生理学教学生态，尤为关键的是，技术的赋能必须与教师角色的成功转型同步，并通过构建严密的教学质量保障机制来规避技术风险。未来，生理学教育工作者应继续探索和优化教学方法，将创新理念与教学实践相结合，在探索中完善模式，在实践中优化方法，不断推动生理学教学改革，为培养具有扎实理论基础和临床实践能力的医学人才做出贡献。

参考文献

[1] 王庭槐. 生理学[M]. 10版. 北京: 人民卫生出版社, 2024.

[2] 凌梦荧, 胡芸, 张玲, 等. “雨课堂结合BOPPPS模型”的新型教学模式在生物化学实验中实践[J]. 实验室研究与探索, 2024(7): 206-210

[3] 张珣, 占素扬, 刘曼, 等. 基础医学课程“数智三驱”教学模式改革探索[J]. 基础医学教育, 2025(5): 466-471.

[4] 丁婷玉. “人体解剖生理学”实验课程教学改革初探[J]. 科技风, 2023(10): 92-94.

[5] 丁婷玉, 张虎, 刘丽萍, 等. “金课”背景下“生理学”教学改革的探索与研究[J]. 科技风, 2025(13): 84-86.

[6] 李兵, 王针臻, 汤雷, 等. 课程思政与PBL教学法相结合的《生理学》教学实践与探索[J].产业与科技论坛,2025(1): 181-183.

[7] 毕逢辰, 任英杰, 陶虹, 等. 虚拟仿真在生理学融合临床案例教学中的实践与思考[J]. 教育进展, 2024(11): 1272-1280.

[8] 康继宏, 韩丽丽, 庞炜, 等. 虚拟仿真实验在生理实验教学中的应用[J]. 基础医学与临床, 2021(3): 456-458.

[9] 齐艳伟, 张玉红, 马长玲. 人工智能在“人体寄生虫学”教学中的运用[J]. 医学教育研究与实践, 2025(2): 264-268.

[10] 王茹, 李毅恒, 孙世仁, 等. 人工智能在医学教育中的应用前景与挑战[J]. 中国医学教育技术, 2025(3): 306-310.

[11] 胡声丹, 李萍, 谈美乐, 等. 基于GenAI的医学人工智能基础课程教学改革探索[J]. 中国医学教育技术, 2025(4): 511-518.

[12] 王雅琦, 高洁, 王克芳. 生成式人工智能在护理模拟教学中的潜在应用价值、挑战和展望[J]. 中华护理教育, 2024(9): 1076-1081.

[13] 于浩, 张文兰, 杨雪琼. 生成式人工智能在教育领域的应用、问题与展望[J]. 中国成人教育, 2023(7): 30-36.

[14] 田道良, 孙高洁, 管文娟. 紫草素调节IRS1-PI3K-AKT信号通路对高脂饮食诱导的肥胖大鼠胰岛素抵抗的影响[J]. 中国老年学杂志, 2025(3): 694-698.

[15] 王勉, 阮芳, 王福玲, 等. 孕早期空腹血糖联合脂联素、白细胞介素6、肿瘤坏死因子-α基因多态性与围孕期胰岛素抵抗的关联[J]. 中国医师进修杂志, 2023(12): 1135-1139.

基金资助

国家自然科学基金青年项目(82401998)

海军军医大学精品课程立项培育项目(2024-2403)