数智时代医学生教育数字化转型：基于学习者主体的探索

Digital transformation in medical education in the digital and intelligence era:

摘要

在数智化转型背景下，医学教育正经历着从传统教学模式向学习者中心模式的深刻变革，医学生的主体性学习地位在数字化转型过程中得到实质性提升并发挥着关键性作用。本研究立足于医学生主体视角，系统考察其在教育数字化转型进程中的能动性实践。首先，从教育数字化转型中学生主体性的生成逻辑、医学生数字化学习参与的生成性本质、数字化转型中医学生数字素养培养的保障需求三个方面，塑造了学习者主体的教育理念。其次，构建了医学生数字化学习的四种信息接触方式，包括算法推荐信息、社交传播信息、搜索引擎信息、自动化生成信息，并分析其优势效能及潜在风险。最后，从价值导向、信息筛选和风险防控三个维度，系统分析了医学生数字化学习的主体性实践路径，为医学教育数字化转型提供了可操作的创新发展路径。

Abstract

In the context of digital transformation, medical education is undergoing a profound change from traditional teaching modes to learner-centered approaches. The active learning status of medical students has been substantially enhanced and plays a crucial role in the process of digital transformation. This study is grounded in the perspective of medical students, systematically examining their proactive practices during the digital transformation of education. Firstly, it explores the generative logic of student agency within educational digital transformation, the generative essence of medical students’ participation in digital learning, and the shaping of educational concepts that ensure the cultivation of digital literacy among medical students during this transformation. Secondly, it constructs four modes of information engagement in medical students’ digital learning, including algorithm-recommended information, socially disseminated information, search engine information, and automated generated information, while analyzing the advantages and potential cognitive risks associated with these four modes of information engagement. Finally, from the dimensions of value orientation, information filtering, and risk prevention, the study systematically analyzes the paths of active practice in medical students’ digital learning, providing actionable innovative development pathways for the digital transformation of medical education.

Graphical abstract

关键词

数智时代 / 医学生 / 教育数字化 / 学习者主体

Key words

the digital and intelligence era / medical students / educational digitalization / learner agency

《“十四五”数字经济发展规划》指出，我国需积极实施教育数字化战略行动，并加快推动教育数字化转型与智能升级^[1]。在人工智能、大数据、5G等新一代信息技术呈指数级发展的推动下，人类社会正经历着一场深刻的数字化范式变革，逐步迈入“人机协同、虚实交融、万物智联”的数智时代^[2]。在此背景下，教育领域的数字化转型面临双重挑战：一方面，传统课程体系的知识结构和价值范式难以适应数智时代的发展需求，存在明显的滞后性。尽管学界已意识到数智时代人才培养的重要性，但评价体系的构建与培养方案的实施研究仍难以匹配技术迭代的速度；另一方面，当前理论教学仍延续“主体-客体”的单一模式，而基于“主体-主体间性”的新型教育范式更符合数智时代的发展趋势与国家战略需求。

党的二十大报告明确提出“推进教育数字化，建设全民终身学习的学习型社会、学习型大国”的战略目标^[3]。在医学教育及军事医学教育领域，数字技术的深度应用正重塑教育生态^[4]，使医学生自主性学习成为改革的关键维度。目前，我国医学教育基本以五年制本科为主，通过“公共基础课—医学基础课—临床实习”的递进设计，搭建医学知识框架，为医疗行业输送大量人才。国内开设医学五年制本科的院校分三类：专业医科大学、综合类大学医学院（系）、军医大学，均按规范开展标准化培养。其中，三所军医大学均招聘无军籍学员，培养体系接轨地方院校；全部学员实习以部队医院为主，依托军民融合，非战时实习资源、标准与地方三甲医院差异小，能提供同质化临床训练。由此面临相同的问题，即教育数字化研究主要聚焦于学校和教师群体，未能充分关注数字技术引发的教育主体性变革。值得注意的是，作为数字化教育的直接受益者，医学生群体在新技术的掌握和应用方面往往具有先发优势，其技术操控能力甚至超越教育管理者，这种技术赋能使医学生在教育数字化转型中的主体性作用日益凸显。本研究聚焦教育数字化转型中医学生主体性的建构过程，不仅有助于完善自主性培养理论，更能为医学教育创新发展提供实践路径。

1 数智时代医学生教育数字化转型的学习者主体理念

1.1 教育数字化转型中医学生主体性的生成逻辑

传统医学存在“师徒制”，即医学知识（如中医、外科技艺）往往通过师徒口耳相传，教师（师父）是唯一的知识来源，学生必须绝对服从。这种模式下，教师在“理论+实践”过程中均为高位状态，掌握着知识传递的内容及方式。数智化转型正在深刻重塑传统师生关系结构，网络时代催生了显著的“数字反哺”现象，即年轻一代凭借其数字原生优势，反而成为年长者的数字技术指导者。这种代际数字鸿沟的存在，使得基于经验积累的传统权威体系正在被基于数字素养的新知识权力结构所重构。同时，在高等教育阶段，以教师为中心的讲授式教学与当代大学生的主体性诉求产生了显著冲突。经过基础教育和中等教育阶段长期的应试训练，高等教育阶段的学生普遍表现出强烈的自主意识，他们更迫切希望在教育过程中重新确立自身的主体地位。然而，想要从被动接受知识的“客体”转变为主动规划、批判思考和参与教育改革的“主体”，会受到知识掌握途径、知识掌握方法、知识掌握能力等方面的制约。

新兴技术赋能下的自主学习使学生的主体性地位显著提升，数字信息创造的“主体间性”对话使得人作为教育主体和教育对象的双重角色正加速互换和叠置，被尊重的体验及主动参与的方式更容易被医学生所接受。同时，数字化教育转型应注重学生的角色转变为提出问题的协作者和最终结果的决策者。从知识的获取到信息的主动筛选及过滤，再到基于自身认知框架对信息进行意义建构和价值判断，这一转化过程直接影响着信息的最终效用和价值实现。

1.2 数智时代医学生主动学习的生成性本质

人工智能与大数据技术的迅猛发展正在深刻重塑医学教育的信息生态体系。从认识论视角来看，这一过程实质构建了一个高度复杂的多模态符号化系统：智能媒体通过有机整合视觉符号、听觉符号、触觉反馈等多维感官通道，正在推动医学教育从传统的“多媒体传播”向“全觉传播”的范式跃迁。这种技术变革不仅突破了人类感知的生理局限，更从根本上重构了医学知识获取与认知加工的深层模式。从本质上看，医学知识内容本身并未发生根本性改变，但新技术显著优化了信息传播的效率和体验。这种影响具有双重动因：从群体共性来看，医学生作为数字原住民，天然具备新技术接受度高、适应性强等特点；从专业特性来看，医学教育庞大的记忆体系容易造成认知负荷，而智能媒体的信息检索与提取功能恰好缓解了这一痛点，使学习者更倾向于选择高效省力的知识获取方式。这种转变在信息选择自主性方面表现得尤为突出，直接关系到医学生的知识结构构建。

基于教育数字化的发展要求，需系统探究数智时代医学生的信息行为特征，需要考虑医学生信息获取内容类别分析、智能化学习的优势效能评估以及潜在认知风险识别。同时，提出并分析医学教育资源有机融入数字化转型进程中的具体路径，构建兼顾效率与深度的新型教育路径，成为当前医学教育改革的重点课题。这需要教育者在技术创新与教学规律之间寻求平衡，既要充分利用智能媒体的技术优势，又要坚守医学教育的本质要求。

1.3 数字化转型中医学生数字素养培养的保障需求

在传统的高校医学教育体系中，以《内科学》《外科学》等为代表的厚重医学教材因其深蓝色封面而被学生戏称为“蓝色生死恋”，长期将系统性知识记忆作为培养的核心目标。然而，在数字化转型背景下，医学教育的重点已从单纯的知识积累转向对知识的深度理解、批判性筛选和系统性整合。认知学习理论强调学习者在感知、记忆、思维等高级认知活动中对信息的选择性注意、深度加工与系统整合。在教育数字化转型的语境下，这一理论范式与信息化教育的本质要求高度契合——即从知识传授转向能力培养，尤其对医学生自主知识建构具有特殊指导价值。更重要的是，在人工智能辅助诊疗日益普及的今天，批判性思维、创新能力和终身学习意识等软实力的培养显得尤为重要，这些能力将成为未来医疗工作者在数字化浪潮中保持专业竞争力的关键所在。

与传统医学教育强调知识记忆的“银行存储式”模式不同，认知学习理论指导下的数字化教育更关注：①知识获取的元认知策略；②信息筛选的批判性思维；③知识整合的图式化能力。在此背景下，医学生数字素养的培育成为教育转型的关键维度。研究证明，数字素养可以催化学术自信^[5]，减轻认知压力^[6]。关注医学生数字素养的教育转变也与《弗莱克斯纳报告》提出的现代医学教育理念深度呼应^[7]。

2 医学生主动获取数字信息的方式与表现

智能媒体驱动下的网络信息呈现出前所未有的多样性、个性化和智能化特征。数智时代医学生主动获取数字信息的方式主要包括算法推荐信息、社交传播信息、搜索引擎信息、自动化生成信息。从学习者主体的角度看，医学生不仅要做到主动筛选、过滤信息，还要基于自身认知框架对信息进行意义建构和价值判断。

信息技术的应用具有显著的“双刃剑”效应，在赋能社会发展的同时，也可能带来潜在的“负能”影响^[8]。这种影响在医学教育及军事医学教育上均有体现。因此，教育数字化发展要求学界系统探究数智时代医学生主动获取数字信息的行为方式，并进行优势效能评估以及潜在认知风险识别。

2.1 算法推荐信息

算法推荐是指利用生成合成类、个性化推送类、排序精选类、检索过滤类、调度决策类等算法技术向用户提供信息^[9-10]。在医学领域，医学资讯App会根据医生的专业方向推送最新临床指南或病例研究，帮助医学生高效获取前沿知识^[11]。算法作为一种被动的获取信息方式，大大降低了获取信息的成本，尤其是对于自身关心的内容，算法会进行持续推送，算法推荐仅关心内容并不关心对错，反而能帮助学生接触到更全面的信息。

数智时代算法推荐信息最直接的弊端为“信息茧房”^[12-13]。信息茧房对医学生的潜在危害尤为突出：在知识获取方面，由于医学高度依赖前沿研究和多学科交叉，算法推荐可能导致医学生过度依赖特定信息源，忽视不同学派或新兴理论，造成知识结构失衡；在临床思维培养上，信息茧房可能强化单一诊疗模式认知，削弱其基于个体差异和循证医学的批判性思维与临床应变能力；在科研创新层面，算法推送的局限可能使研究者固守既有范式，错失非主流或颠覆性学术观点带来的突破机遇；更值得警惕的是职业伦理风险，长期接触算法推荐的商业化医疗内容可能潜移默化地影响其职业判断，导致未来医疗决策中的无意识偏倚。

2.2 社交传播信息

社交媒体平台的蓬勃发展为医学生开辟了多元化的信息获取渠道。从信息获取途径来看，医学生可通过专业医学社区、综合型社交平台以及短视频平台等多模态渠道获取医学信息。从交互特性角度来看，社交平台实现了从单向传授到多向互动的转变。医学生不仅能够获取信息，更可通过评论、提问、案例分享等方式参与专业讨论，这种即时反馈机制有效弥补了传统医学教育的互动不足。

值得警惕的是，社交互动中的深度伪造技术正对医学信息的可信度构成新的挑战。具体表现为：一方面，AI生成的虚假专家形象和伪造语音可能被恶意利用，导致权威医学信息的真实性受到质疑；另一方面，部分营利机构通过AI变声、换脸等技术对专家言论进行篡改重组，刻意制造符合其商业利益的误导性内容。这类经过技术包装的虚假信息在社交媒体平台快速扩散，不仅增加了信息甄别的难度，更可能对医学生的专业认知形成潜在干扰。

2.3 搜索引擎信息

AI搜索引擎为医学生的内容搜索效果提供了新的便利。对于医学生来讲，利用数智技术进行信息搜索学习，俨然成为医学生一种新的学习方式，甚至是一种历史性的教育文化现象。大模型与传统搜索引擎相结合，通过连接实时的网络信息，增强了大模型的对话能力，使得信息搜索更为便捷。

关于搜索引擎信息质量的争论持续存在，传统搜索与智能搜索孰优孰劣尚未有定论。相较于传统搜索引擎常被商业广告和虚假信息等低质量内容充斥的现状，AI搜索展现出显著的智能筛选优势：通过对多源信息的智能整合、深度提炼和结构化呈现，最终为用户提供经过验证的精准答案，极大地提升了信息获取的效率和质量^[14]。此外，大模型通过消化互联网海量数据构建了庞大的潜在知识库，用户只需提出问题即可快速获得答案，优于传统搜索^[14]。但是，传统搜索方式因其透明性仍具有独特优势：用户能够直接追溯信息来源，自主甄别信源权威性，并有选择性地提取有效信息。

2.4 自动化生成信息

自动化生成信息主要基于生成式人工智能技术，其通过深度学习海量数据，从中提取规律和模式，最终生成具有原创性且接近人类创作水平的内容^[15]。近年来，以DeepSeek、ChatGPT等为代表的生成式人工智能技术呈现爆发式发展态势，这一技术浪潮正在重塑医疗行业的服务模式和创新生态。国内外多家顶级医疗机构已开始试点将生成式AI整合到电子病历系统、医学影像分析、辅助诊断等核心工作流程中，大语言模型的参数量已突破万亿级别，医学知识处理能力实现质的飞跃。

然而，生成式AI的输出质量完全取决于训练数据和用户输入，其本身并不具备判断信息真伪的能力，这在临床应用中可能带来潜在风险。例如，在带状疱疹治疗中，DeepSeek推荐的阿昔洛韦用药剂量与临床医生的经验性用药方案存在数倍差异，这种差异不仅会让医学生在实践用药时产生困惑，更可能导致患者在自行查询后对医生的专业能力产生质疑。同时，在文本生成和处理领域，人工智能所生成的文本可能是无意义、不连贯或者是循环往复的，产生人工智能“幻觉”^[16]。更重要的是，过度依赖这种便捷的信息生成方式可能导致医学生逐渐丧失独立思考能力，形成思维惰性。

3 数智时代医学生数字化教育的主体实践路径

教育数字化转型虽强调学生主体，但教师在其中依旧扮演重要作用。教师不仅需要思考应该带着知识走向学生还是带着学生走向知识？还需要回答教师如何带着学生走向知识？这意味着需要从价值驱动、信息选择、风险规避三个方面分析医学生数字化学习的主体实践路径，如图1所示。

3.1 价值驱动：构建医学教育数字化发展的三维理性框架

在医学教育数字化转型过程中，需要构建工具理性、价值理性与交往理性协同发展的三维框架。韦伯的理性二分法将人类行为划分为追求效率的工具理性和注重价值的价值理性，哈贝马斯进一步提出交往理性理论，强调主体间沟通的重要性。具体而言，工具理性体现为智能诊断系统等技术应用的效率逻辑，价值理性承载着医学伦理和人文关怀的本质要求，交往理性则保障了师生数字互动的对称性与有效性，这三者共同构成了评价医学教育数字化的标准体系。

当前，医学教育数字化面临着工具理性过度扩张的风险。数智时代的技术便利性使得智能诊断系统、学习行为分析和虚拟实验室等技术应用过度聚焦于精准性、可量化性和最优化等工具性指标，而产业化趋势进一步强化了这一倾向。这种工具理性主导的发展模式可能导致医学教育异化为技术训练，削弱其培养“仁心仁术”医者的本质功能。因此，必须通过生命伦理的数字化传承、医者仁心的技术化表达等方式强化价值理性，确定人机协同的伦理边界。在交往理性上，要求在数字化教育过程中：加强学生与院校教师的专业知识交流，深化学生与临床医生的实践指导对话，培养实习医生与患者的沟通能力。通过这些多维度的交往实践，既能保障技术应用的有效性，又能坚守医学教育的价值内核，最终培养出既掌握先进技术又具备人文关怀的医学人才。

在具体实践过程中，工具理性聚焦技术应用的效率逻辑，以精准性、可量化性、最优化为核心目标；价值理性承载医学伦理与人文关怀的本质要求；交往理性保障师生、医患等主体间数字互动对话的有效性。医学教育数字化理性评价指标体系如表1所示。

3.2 信息选择：建立“符号解码—知识建构—临床转化”的完整认知链条

在数字化转型的浪潮中，医学生的角色定位已从传统的知识接受者逐步转变为智能医疗生态中的关键协作者和临床决策者^[15]。在此过程中，医学生应当充分发挥学习主体性，积极借助数字化技术实现个人能力的全面提升，依托智能工具优化临床决策的精准性，并最终通过知识创新的协同效应，共同推动医学教育的范式革新。这需要医学生建立“符号解码—知识建构—临床转化”的完整认知链条，帮助医学生提升在不同信息类别间进行批判性选择和整合的能力。

在符号解码层面，个性化推荐算法通过智能推送临床指南、病例研究等专业内容，有效弥补了医学生因专业词汇储备不足导致的信息检索局限；多模态信息呈现方式突破了传统医学教育的单一文本局限，通过视觉化、动态化的信息编码方式提升了医学生对专业符号系统的解读效率。在知识建构阶段，算法基于用户行为数据持续推荐Meta分析、视频课程等关联内容，实现从碎片化接收到系统性整合的认知跃迁；生成式AI通过深度学习海量医学数据所获得的模式识别能力，不仅能够自动归纳知识要点、构建知识图谱，还能针对特定临床问题生成原创性的分析报告，这种智能辅助显著提升了医学生知识整合的深度和广度。在临床转化环节，虚拟现实模拟等沉浸式内容不仅缩短了理论认知与实践应用的间距，其多向互动特性更通过实时反馈和群体智慧，帮助医学生在临床思维形成过程中实现“观察—模仿—修正”的闭环训练。

3.3 风险规避：构建“数字-人文双素养协同”培养体系

基于前文对算法推荐、社交传播、搜索引擎及自动化生成等多元信息获取方式的风险分析，我们应当超越对技术局限性的简单批判，转而探索如何最大化释放其教育赋能潜力。在医学生作为信息主体的能动性前提下，数字素养的培养已被证实是应对信息时代挑战的关键路径^[17]。基于此，系统性提升医学生数字素养不仅是一种风险防范策略，更是实现技术赋能医学教育的必由之路。

数字素养作为信息时代的关键能力，其内涵已超越单纯的技术操作层面，发展为包含技术应用、批判思维和创新实践的三维素质体系^[18]。就医学教育领域而言，医学生数字素养的核心特征体现为：运用智能化工具解决临床学习、科研探索及专业社交等场景中实际问题的综合能力^[19]。针对信息获取流程从传统的“搜索—筛选—加工”转化为“提问—判断—采纳”的过程，数字素养既需要精准构建问题的能力，又必须具备对生成内容的专业判断力。这种数字素养的培养必须与医学人文素养形成深度协同，构建“数字—人文双素养协同”的培养体系，培养“数据解析—人文洞察”的双模态思维，如在电子病历分析中同步关注临床指标与患者心理特征。

4 结束语

在数字智能技术驱动的新一轮教育变革背景下，医学人才培养面临着前所未有的机遇和挑战。这一变革尤其凸显了学习主体性的关键作用。面向未来，医学教育应当积极把握教育数字化转型的先机，关注学生在运用算法推荐信息、社交传播信息、搜索引擎信息、自动化生成信息等数字技术时的主体性作用。在实践过程中，需要用三维理性框架塑造价值驱动、用个体主观需求指导信息选择、用“数字—人文双素养协同”进行风险规避。使数字智能技术真正成为推动医学教育和军事医学教育高质量发展的创新引擎。

参考文献

[1] 国务院.“十四五”数字经济发展规划[EB/OL]. (2022-01-12)[2025-09-03].

[2] 苏涛,彭兰. “智媒”时代的消融与重塑:2017年新媒体研究综述[J]. 国际新闻界, 2018(1): 38-58.

[3] 习近平. 高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗: 习近平同志代表第十九届中央委员会向大会作的报告摘登[N]. 人民日报, 2022-10-17(1).

[4] 商鲁翔,薛茗月,孙华鑫,等. ChatGPT作为医学教育工具的思考: 以心血管内科主治医师资格考试为例[J]. 医学与哲学, 2024(14): 10-13.

[5] YUAN X, REHMAN S, ALTALBE A, et al. Digital literacy as a catalyst for academic confidence: exploring the interplay between academic self-efficacy and academic procrastination among medical students[J]. BMC Medical Education, 2024(1): 1317.

[6] REHMAN S, ADDAS A, REHMAN E, et al. Leveraging digital skills to reduce cognitive strain: Implications for academic self-efficacy in medical education[J]. Acta Psychologica (Amst), 2024, 251: 104602.

[7] 李秀媛,翟海魂. 《弗莱克斯纳报告》再考察[J]. 医疗社会史研究, 2024(1): 258-277.

[8] 王启帆,刘雨. 数字化赋能医学教育: 应用、困境与路径[J]. 医学与哲学, 2024(10): 65-68.

[9] 郭亚军, 李天祥, 冯思倩, 等. 算法推荐、信息茧房与“附近的消失”[J]. 图书情报知识, 2025(2): 156-166.

[10] 中华人民共和国国家互联网信息办公室, 中华人民共和国工业和信息化部, 中华人民共和国公安部, 国家市场监督管理总局. 互联网信息服务算法推荐管理规定 [EB/OL]. (2021-12-31) [2025-11-26].

[11] 夏立新,胡畔,刘坤华,等. 融入信息推荐场景要素的在线健康社区用户画像研究[J]. 图书情报知识, 2023(3): 116-128.

[12] 张省, 蔡永涛. 算法时代"信息茧房"生成机制研究[J]. 情报理论与实践, 2023(4): 67-73.

[13] 黄英辉, 王伟军, 刘辉, 等. 个性化信息推荐中的过度特化问题研究进展[J]. 情报科学, 2022(8): 185-192.

[14] 王彦博, 张洪忠. 从搜索引擎到AI搜索: 大模型赋能下的信息获取变迁分析[J]. 编辑之友, 2025(3): 74-80.

[15] 李白杨, 白云, 詹希旎, 等. 人工智能生成内容(AIGC)的技术特征与形态演进[J]. 图书情报知识, 2023(1): 66-74.

[16] 林曦. 人工智能“幻觉”的存在主义阐释[J]. 社会科学辑刊, 2025(2): 81-91.

[17] 胡九英, 张其林, 储伊力, 等. 数字素养赋能医学生创新行为的组态路径研究: 基于模糊集定性比较分析[J]. 四川大学学报(医学版), 2024(4): 964-971.

[18] 马星, 冯磊. 大学生数字素养教育的价值、目标与策略[J]. 江苏高教, 2021(11): 118-124.

[19] 兰雪, 张晗, 何佳陆, 等. 教育数字化转型背景下医学生数字素养现状及对策研究[J]. 医学信息学杂志, 2024(11): 99-103.