AI背景下医学统计学实验课程教学改革探讨

Discussion on the Teaching Reform of Experimental Course of Medical Statistics under the Background of AI

摘要

医学统计学的实验课教学应培养和提升学生解决临床实际问题的思维能力和实践分析能力。由于该课程内容晦涩抽象、较难理解，采用传统实验教学方法，学生的学习兴趣不高，教学效果不理想。因此，将AI融入医学统计学实验教学课程，分析在AI背景下采用案例+任务驱动教学法的意义，阐述了具体的实施方法及未来需要注意的问题，以期为该实验课程的教学改革提供新的思路与方法。

Abstract

The experimental course teaching of Medical Statistics should cultivate and enhance students’ thinking ability and practical analytical ability to solve clinical practical problems. The traditional experimental teaching method is adopted because the content of this course is obscure, abstract and difficult to understand, the students’ interest in learning is not high, and the teaching effect is not ideal. Therefore, this study integrated AI into the experimental teaching course of Medical Statistics, analyzed the significance of case+task-driven teaching method under the background of AI, and elaborated specific implementation methods and problems to be concerned under the background of AI in the future, in order to provide new ideas and methods for the teaching reform of the experimental course.

关键词

AI / 案例法 / 任务驱动法 / 医学统计学

Key words

AI / Case method / Task-driven method / Medical Statistics

医学统计学作为医学科学重要的组成部分，是临床医学专业本科生的必修课程。该课程基于概率论和数理统计相关方面的原理，包含的知识具有多样、复杂的特点，被公认是一门难理解的课程^［1］。传统的实验课教学方法是以教师讲授为主，已经不能满足培养数字时代背景下新型医学人才的需求。2023年中华人民共和国教育部发布《谱写课程教学数字化转型的中国方案》，提出“数字变革与教育未来”这一主题，落实在课程教学领域，就必须探索新的模式培养数字时代创新型人才，为促进学校教育高质量发展、帮助学生更好应对未来社会的挑战做好准备。因此，在数字时代背景下进行医学统计学课程教学研究与改革实践，对于培养医学生的创新型统计思维及提升科研能力方面具有重大的意义。课程最终目标是通过医学统计学课程的学习，使学生能够在数字时代背景下形成创新型统计思维，并应用于未来的医学科研工作。

1 AI背景下案例+任务驱动教学法的含义

案例教学法起源于20世纪初的哈佛大学医学院，最初应用于医学领域。这种教学方法遵循的原则是，从典型案例的独特特征推导出相似事物的共性特征，进而升华到对事物发展规律的理解，以提升学生对客观世界的认知^［2］。与传统的教学方式相比，案例教学法更注重实践与实例的结合，激发学生积极思考和主动参与的能力，从而达到巩固知识的目的。任务驱动教学法则是教师将教学内容设计分为一个或者多个待解决的任务，学生通过完成这些任务掌握课程内容，实现教学目标^［3］。在这一过程中，随着任务的逐步完成，学生的学习信心和成就感显著增强，这种信心和成就感将激励他们更深入地学习医学统计学。案例教学法与任务驱动教学法的结合，充分发挥了两者的优势，形成了一种新的实验课教学方式。

数字时代背景下，互联网、人工智能（Artificial Intelligence，AI）等数字技术迅猛发展，并被广泛应用于社会生产与生活。推动教育的数字化转型、加强培养学生的数字素养与创新思维能力成为教育改革的重要趋势。随着OpenAI公司发布了一种具备强大的言语理解和答复能力的语言模型，即人工智能自然语言处理机器人（Chat Generative Pre-trained Transformer， ChatGPT），人类步入生成式AI的时代^［4］。以ChatGPT为代表的生成式AI技术能够根据使用者的不同要求生成所需要的文字、图片及视频等，具有内容生成更加高效和准确、生成内容更加多样化、个性化定制服务更加灵活、创新能力更强的优势^［5］。AI时代的医学教育已经发生变化，尽管在医学研究和实践应用中AI得到广泛的使用，但是在医学课程教育中，其开展和运用依然相对有限^［6-8］。本研究可以为医学统计学实验课程教学提供新的思路——构建AI背景下案例+任务驱动教学法。

2 AI背景下案例+任务驱动教学法的意义

2.1 以学生为中心的新型教学模式

医学统计学实验课程教学始终以学生为中心，并将这一理念贯穿于课程设计与课堂教学过程。任务驱动教学法的特点是以任务为主线、学生为主体、教师为主导，改变以往以教师为中心，单向灌输为主的被动教学模式，形成以学生为中心的新型教学模式。在课堂中应用案例教学法，结合与学生专业相关的实际问题，激励学生主动参与、小组协作及创新探索，切实提高学生对数据的实践分析能力。案例+任务驱动教学法强调培养学生的自主学习能力和解决实际问题的实践应用能力，提高学生素质，助力他们未来更好地实现个人发展。

2.2 以案例+任务驱动教学法提升学习效果

在医学统计学实验课程中不仅强调学习理论知识，更注重学生的实际应用能力。案例 + 任务驱动教学法有助于学生将理论与实践相结合。在教学过程中引入了经典的临床案例，并提供了具体数据，设置了学生未来可能遇到并需要解决的代表性任务。学生在课堂中以小组的形式就具体的任务自由讨论，通过合作分析与交流共同解决问题。通过学习医学统计学课程，学生能够掌握医学科研中的数据整理、分析及表达的方法，培养其科学的统计思维及解决临床实际问题的能力。在统计分析的过程中，SPSS软件作为辅助教学工具，简化了计算过程，提高学生解决实际问题的效率。

2.3 AI激发学生对医学统计学的学习热情

将ChatGPT等AI技术作为教学基础，不仅能够提高教师的教学效率，更好地改善教学效果，还能够激发学生的学习热情，推动医学教育地不断进步。教师利用AI技术的创造性，开发多样化的教学资源，从而为学生提供更加丰富的学习体验，提高学生对于医学统计学实验课程的学习兴趣。在医学统计学实验课程的教学中，教师用动态图片取代静态图片，用思维导图取代大段文字，用短视频讲解取代幻灯片讲解，取得了良好的教学效果。利用AI可以充分发挥教学方法的优势，丰富教学手段，激发学生的学习热情。面对AI背景下的医学生对于提高职业竞争力的需求，医学生需要具备在学习中掌握获取更多知识，从知识中发现新的问题，从而进行科学研究的能力。有研究表明大部分医学生希望能将AI纳入医学课程，并且对自身创新能力、培养批判性思维能力及提升自主学习能力等方面有提升的想法与需求^［9］。

2.4 AI辅助快速获取医学统计学教学素材

医学领域的知识不断更新，这对教师和医学统计学课程设计提出了更高的要求。更新的内容需要快速地整合到课程教学之中，从课程设计思路到课程教学素材准备，教师都需要反复精心打磨，这会导致教师在教学准备阶段投入大量的精力与时间。医学统计学实验教学内容具有高度的专业性和实践性，因此要求相应的教学资源具备较高的专业性。然而，网络上资源有限，教师获取资源较难。生成式AI的出现能够辅助生成医学统计学的教学素材，教师可以通过与AI对话来询问教学的思路、方法及设计等，在AI反馈信息的基础上整理能够运用到教学中的素材。例如，教师可以与ChatGPT对话，提出“生成一份主题为总体均数估计与假设检验的实验教学设计”的需求，ChatGPT会提供相关的回答，从教学目标、教学内容、教学实施和课后习题布置等方面给出相应建议，教师可以将其作为参考资料。

2.5 AI辅助制作医学统计学教学课件

教学课件是教师常用的教学资源之一，但由于教师平时忙于教学和科研工作，并且可能对于课件审美定位认识不足，课件制作技巧掌握不熟练，制作出来的教学课件往往不尽如人意。生成式AI的出现，帮助教师提高工作效率，能够从多方面改善教学课件的质量。利用AI绘画技术，可以根据文字实现文字生成图片，使教学内容表达更加直观；利用AI智能语音合成技术，可以为课件生成详细的语音讲解，提高课件对学生的吸引力，也能帮助学生对教学内容有更深刻地理解与记忆；利用AI生成音频技术，可以为课件生成个性化的背景音乐，提高课件的表现力；利用AI生成教学课件的大纲，例如，利用ChatGPT可以智能生成以“定量资料的统计描述”为主题的实验教学课件的大纲；利用AI可以从海量的医学案例中获取有价值的信息，针对不同理论知识为学生提供丰富的案例资源，在实验课中组织学生进行案例讨论，作为理论知识的实际应用，可以引导学生积极思考。

2.6 AI辅助医学统计学课程评估

由于AI的发展增强拓展了计算机算法在教育领域的应用，可期实现医学统计学课程考核的自动化。针对教师主体评估，可以分析并量化教师对于医学统计学实验课程的教学组织情况、实际的授课内容与教学大纲所规定的授课内容之间是否存在偏离；针对学生主体评估，可以分析并量化学生的出勤率、课堂表现情况，如纪律、互动等方面，以及课后作业的完成情况。通过AI综合自动分析教师与学生的表现，结合问卷建立起一套对于课堂教学质量可以自动评估的体系与机制。经过在医学统计学实验课程中运行，可以作为AI自动评估的实例，使AI能更好地服务于教育领域的课程评估之中，并为教学质量评估提供有益的支持和指导。已有研究采用人工神经网络等机器学习的方法建立统计学模型，进行课程质量评估，可以帮助判断课程的教学质量^［10］。许多医学教学方法研究采用问卷法和课堂考核相结合的方式进行教学效果评估^［11-13］。

3 建设AI背景下基于案例+任务驱动教学法的综合性教学体系

3.1 制定教学目标

教师可以根据医学统计学的强实践性与应用性，结合学生个体及社会对于临床科研的实际需求，以培养实践能力和思维能力为基础，将教学目标设定为三个层次：知识与技能、应用与实践、思维与能力。知识与技能为基础目标，旨在通过复习、归纳，让学生掌握理论课中的基本概念、理论和知识点，并熟练操作SPSS统计软件；应用与实践为中级目标，要求学生熟悉医学真实世界数据的综合分析，并正确解读软件分析结果；思维与能力为高级目标，涵盖辩证统一思维、批判性思维及创新能力等方面，培养学生科研能力。

3.2 重构教学设计

本研究设计“数据素养—统计描述—统计推断”三段式统计教学过程，即首先分析数据来源、变量类型及资料类型，其次根据资料的类型确定描述的统计指标，最后根据研究目的选择合适的统计分析方法，进行统计推断。这一过程连贯、有序地层层推进，培养学生完整的统计思维。数据素养部分融入课程思政，分析数据的来源，强调每个数据背后都是一个有生命的个体，要有敬畏心，遵守科研诚信道德和行为规范。统计描述部分涉及计量资料的集中趋势和离散趋势和分类资料相对比指标的选择和计算，结合实际案例，进一步内化所学知识，并将其应用到实际案例，提高学生的参与度和积极性。统计分析部分主要指针对研究的设计类型、资料类型及分析目的等，选择适宜的统计分析方法，以及假设检验结果的正确理解，培养学生的思辨能力及统计应用能力。

3.3 做好教学案例

许多临床相关专业的研究受限于临床实际情况，在课题实施过程中，医学研究设计存在的问题比较突出，医学论文的统计学分析的正确应用情况还有待提升。利用AI设计的教学案例应新颖、科学、贴近临床专业，而且可以应用于“数据素养—统计描述—统计推断”三段式统计教学全过程。设计正面案例，通过任务驱动法将研究目标分解为多个子任务，帮助学生构建完整的医学统计学理论知识体系，提升科研水平。在数据素养部分，了解资料的收集过程，强调在科研过程中正确地进行数据分析的重要性；在统计描述部分，学生掌握描述临床资料的方法，如通过统计表和统计图观察资料分布类型，从而选择适合的统计学指标描述数据特征；在统计推断部分，根据分析目的，引导学生对教师布置的若干个任务逐个解决。设计反面案例能够让学生通过错误辨析及小组讨论，发现案例分析中存在的统计方法误用的问题，提高学生发现问题、解决问题的能力，培养学生严谨的科研素养和辩证的思维能力。

3.4 建立多元化教学考核体系

实验课中的考核内容不仅应涵盖理论知识和统计软件操作能力的评估，还包括医学统计学知识的实际应用能力以及学习结束后的思维能力等方面的考核。实验课教学过程的形成性评价包括学生课堂积极发言、与教师积极互动、讨论的参与度、实验结果呈现等方面。此外，教师和教学过程的评价反馈也应被纳入该课程的考核范围。对于学生的考核中，知识与技能目标的评估采用知识点随堂提问、讨论结果汇报及实验报告等形式，考查学生对于理论知识、基本软件操作知识等的掌握情况；应用与实践目标的评估采用综合案例分析提问、集中讨论发言及应用软件进行数据分析等形式，考查学生应用统计学理论知识在统计软件中实现对数据的实践分析能力；思维与能力目标的评估可以通过问卷对学生进行定量评估，同时在学习行为方面、师生互动方面、知识系统性方面、学习能力提高方面了解学生们的学习情况；教学评价反馈通过问卷调查、学生个别谈话、学生座谈会等形式收集。教师收到反馈信息后应进行反思，总结经验与不足。本研究设计的问卷主要内容包括：①学生的基本情况，如姓名、年龄、性别和专业等；②学习行为方面，如对于课程学习的兴趣、课程学习的难度、课程学习及展开课外学习的主动性；③师生互动方面，如教学过程中师生之间交流的情况、有关统计学分析的课题参与度及课后与教师和同伴学习情况交流的参与度；④知识系统性方面，如统计理论知识的掌握程度、构建知识体系情况、形成学习方法和统计思维情况及应用知识的实践程度；⑤学习能力提高方面，如统计方法的应用及统计学软件的应用；⑥课程满意度方面，教学内容、教学水平及教学过程的满意度。

4 AI背景下案例+任务驱动教学法在实验课程中的实施

以临床医学专业学生为授课对象，按照医学统计学实验学时（12学时）安排，结合临床医学执业医师考试大纲，设计三次实验内容，即计量资料的统计分析、分类资料的统计分析、相关与回归的统计分析，内容涵盖临床医学执业医师考试大纲的主要统计分析方法。计量资料的统计分析，涉及知识点包括计量资料的统计描述、统计推断（点估计和区间估计）、t检验及方差分析。分类资料的统计分析，涉及知识点包括分类资料的统计描述、卡方检验及秩和检验。相关与回归的统计分析，涉及知识点包括简单相关与回归及多重线性回归。根据每次实验课程内容，利用AI技术各编写正面、反面综合案例。

4.1 正面案例

以计量资料的统计分析为例，编写案例如下。

案例一：研究者要观察伴或无冠心病并发症的高血压患者临床特征是否有差异，搜集了某医院某年内科的高血压患者的临床资料，见表1。

任务1：此研究获得的数据为何种类型？

任务2：此研究属于什么类型的设计？

任务3：通过收集的样本信息，是否直接得出其代表的两个总体有差异的结论？要解决该问题可以用统计学中哪部分理论内容来分析？

任务4：如何进行假设检验，具体的检验步骤如何进行？

4.2 反面案例

以分类资料的统计分析为例，编写案例如下。

案例二：探讨腰椎骨折术后静脉血栓的发生情况，将85例骨折的患者分为试验组41人和对照组44人，试验组为预防静脉血栓护理模式实施后的患者，对照组为尚未实施预防静脉血栓护理模式的患者，试验组发生静脉血栓有2例（发生率为4.88%），对照组发生静脉血栓有8例（发生率为18.18%）。研究者采用t检验比较两组术后静脉血栓的发生率（t=6.151，P<0.05），因此得出对照组静脉血栓的发生率高于试验组，差异有统计学意义。

问题1：该研究者的结论是否是正确的？

问题2：此研究获得的数据属于何种类型的数据？

问题3：此研究属于什么类型的设计？

问题4：为解决该问题，可以使用统计分析中的哪部分理论知识？

问题5：假设检验的具体检验步骤如何进行？

5 AI背景下案例+任务驱动教学法实施的展望

5.1 注重批判性

AI在医学统计学实验课程中的潜力将进一步释放，然而，ChatGPT等生成式AI技术是基于大数据生成的内容，其生成内容不一定完全准确。在使用AI技术生成相应的医学统计学教学资源前，教师应了解内容的准确性和可靠性，以避免误导学生或提供错误答案。在进行教学准备时，教师需要对AI输出内容进行审查和验证，以确保其科学合理性并且与教学目标保持一致。在医学统计学实验课程中也需要进行数据分析与图像绘制，在许多研究中，有效利用数据进行图像分析已成为AI在医学教育中应用的关键^［14-15］。教师在教学中要注重需要培养学生的批判性思维，学生需要有辨别AI生成内容真伪的能力，如学生利用统计学软件绘制出的图像要符合数据分析逻辑。医学统计学课程教学中注重批判性，为学生未来可能面对医疗领域的科研挑战做好准备。

5.2 注重个性

得益于信息技术的发展，医学统计学教学逐渐从传统的以教师为主体的教学模式转变为新的教学模式。个性化学习是一种以学生的个性差异为基础的学习方式，在以传统的讲授教学方法为主的班级授课中难以真正实现，而将AI融入实验教学课程中，也需要为学生的个性化学习提供支持。在开发与整理教学资源时，教师应该将自身的专业知识和经验融入AI技术的应用中，提供更全面和准确的个性化教学资源，以期实现学生根据自身针对医学统计学课程的学习基础与理解掌握知识的程度，进行个性化学习。

5.3 注重创新性

随着技术的不断进步，AI在医学统计学课程中的应用将持续增加，在医学教育中将发挥更重要的促进作用。未来新的AI技术必然将不断更新与发展，教师和学生都应该保持持续学习的态度。教师需要了解最新的AI技术和应用，更新教学方法、策略、设计等，以更好地应对在医学统计学的课程教学中的挑战和需求。在教学过程中，鼓励学生应用具有创新性的数据分析和处理方法，注重培养与提高学生的创新能力。

6 结语

综上所述，随着AI的应用，将促进医学统计学实验课程的数字化发展，在AI背景下实施案例+任务驱动教学法能够实现以学生为中心、提升教学效果、激发学生学习热情、辅助教师快速获取教学素材和教学课件、辅助进行课程评估。但其应用还存在一定发展空间，未来还需要更多地研究比较分析AI辅助的案例+任务驱动医学课程教学方法和传统的医学课程教学方法。

参考文献

[1] 崔凯，孟伟涵，葛晓燕 ．基于OBE理念的医学统计学课程教学改革探索［J］．锦州医科大学学报（社会科学版），2024，22（3）：58-61．

[2] 张慧芸，韩冉，段学光，等 ．翻转课堂与案例教学法结合应用于医学实验诊断学教学的探索［J］．中国中医药现代远程教育，2022，20（7）：5-7．

[3] 张丽波，杨惠雯，焦雨梅 ．任务驱动法在生理学实验教学中的应用与思考［J］．锦州医科大学学报（社会科学版），2021，19（4）：49-52．

[4] 白洁，周进祝 ．ChatGPT生成式AI时代“医学统计学”教育的挑战与应对［J］．继续医学教育，2024，38（8）：136-139．

[5] 韦永圣，左佐垄川，陆飞宇 ．生成式AI技术在医学院校教学资源开发中的应用探析［J］．电脑知识与技术，2024，20（27）：31-33．

[6] 陈玲，蒋雨枫 ．5G+AI技术赋能医学本科教学改革的相关探索［J］．临床医学研究与实践，2024，9（11）：168-171．

[7] 刘培峰 ．AI赋能的问题驱动学习法融合案例学习法的新模式：在肿瘤学教学中的应用探索［J/OL］．肿瘤，2024，44（8）：1-10．（2024-10-24）［2024-12-13］．cnki．net/kcms/detail/31.1372．r．20241023.1450.002．html．

[8] 何茂章，王姝妹，丁瑞培，等 ．基于新医科与AI技术融合的医学教学模式探讨［J］．湘南学院学报（医学版），2024，26（3）：63-66．

[9] 汪洁 ．新医科背景下医学生对人工智能课程需求的调查研究［J］．科教文汇，2024（15）：90-94．

[10] 钟敏，胡燕，程茜，等 ．人工智能在医学教育中的应用现状与思考［J］．中国继续医学教育，2020，12（18）：79-81．

[11] 孙红标，徐少春，邹勤，等 ．临床医学专业医学影像学课程的课堂教学评价研究［J］．中国继续医学教育，2024，16（12）：38-42．

[12] 徐俊芳，覃思，郭孝鹏，等 ．临床医学专业预防医学课程教学满意度评价量表分析［J］．教育观察，2023，12（8）：79-85．

[13] 孙夏承，吴菲菲，李凯峰，等 ．基础医学综合实验课程过程性评价的改革和实践［J］．基础医学教育，2023，25（9）：797-801．

[14] 井杰，黄晓春 ．人工智能与检验医学辅助诊疗的现状及应用前景分析［J］．国际检验医学杂志，2022，43（21）：2669-2673．

[15] 罗燕，伍建林 ．基于人工智能的医学图像分析在乳腺癌中的应用进展［J］．齐齐哈尔医学院学报，2020，41（1）：96-99．

基金资助

2023年锦州医科大学教育教学研究与改革项目(YB2023024)

2023年锦州医科大学教育教学研究与改革项目(YB2023023)