新医科视域下医学本科生人工智能素养能力现状及提升策略研究

Research on the Current Status and Enhancement Strategies of Artificial Intelligence Literacy among Medical Undergraduates from the Perspective of New Medicine

摘要

目的 了解医学本科生人工智能（Artificial Intelligence，AI）素养现状，分析影响因素，提出培养策略。 方法 采用问卷调查法，对医学本科生开展调查，并通过SPSS 26.0对数据进行分析统计。 结果 收回有效问卷263份。学生整体人工智能素养水平处于中等偏上（均值3.916），但个体差异大（标准差0.564），各维度发展不均衡。学生对使用AI风险的认知（均值3.728）弱于对AI的积极态度（均值4.033）。影响因素中，性别、年级、专业并无显著差异，关键促进因素为主动学习AI知识（P=0.008）以及对AI技术了解程度高（P=0.001）；负相关因素，频繁使用AI工具的学生素养反而较低（Spearman=-0.352，P<0.001），或因工具依赖抑制深度学习。需求调研分析中，74%学生支持开设AI课程，83.65%需求基础与高阶课程，低年级学生对AI课程需求更高，65%学生因数学基础薄弱畏难；最期待学习AI协作医疗（43.73%）及医学AI案例分析（28.9%）。 结论 医学生AI素养基础良好，使用AI意愿较强，但风险意识不足，需通过分层课程、校企协同、师资优化及伦理教育，系统提升其“技术应用-风险认知-创新实践”的综合素养。

Abstract

Objective To investigate the current status of artificial intelligence (AI) literacy among medical undergraduates, analyze the influencing factors, and propose cultivation strategies. Methods A questionnaire survey was administered to medical undergraduates, with collected data analyzed statistically using SPSS 26.0. Results 263 valid questionnaires were returned. Students’overall AI literacy was at a moderate to high level (mean=3.916), but with significant variation (SD=0.564) and imbalanced development across dimensions. Awareness of AI-related risks (mean=3.728) was weaker than positive attitudes toward AI (mean=4.033). In terms of the influencing factors, no significant differences was detected in gender, grade, or major. The key enhancers were proactive learning of AI knowledge (P=0.008) and higher familiarity with AI technology (P=0.001). As for negative correlation, frequent AI tool users exhibited lower literacy (Spearman ρ=-0.352, P<0.001), potentially due to tool dependency inhibiting deep learning. In terms of demand analysis, 74% of students supported establishing AI courses, and 83.65% requested foundational and advanced courses. Lower-grade students showed higher demand, while 65% reported anxiety due to poor mathematical foundation. Students’ top learning interests lay in AI-medicine collaboration (43.73%) and medical AI case studies (28.9%). Conclusion Medical undergraduates demonstrate solid AI literacy foundations and strong willingness to adopt AI, yet lack risk awareness. A systematic approach is essential to enhance comprehensive literacy in “technology application-risk cognition-innovative practice” through tiered curriculum design, university-industry collaboration,faculty development, and AI ethics education.

关键词

新医科 / 医学本科生 / 人工智能素养 / 提升策略

Key words

New Medicine / Medical undergraduates / Artificial intelligence literacy / Enhancement Strategies

2019年4月，由教育部启动的“六卓越一拔尖”计划2.0正式提出，对全面建设新工科、新医科、新农科、新文科作出了战略部署。人工智能的快速发展及其在医疗领域的广泛应用，对培养21世纪的医学人才提出了新的要求^［1-2］。近年来，人工智能技术（Artificial Intelligence，AI）的迅猛发展给教育领域带来了颠覆性的革命，并在医学教育中表现出巨大的应用潜力，其在医疗领域取得的突破性进展^［3-4］，成为新医科发展的重要驱动力，对高校医学教育产生较大影响，也带来新的挑战。如新医科人才培养如何适应智能化趋势、优化课程体系设置，学生如何掌握人工智能技术，人工智能如何与医学有机结合开展实践活动等^［3］ 。2024年，教育部副部长吴岩在“世界慕课与在线教育”大会上提出“智慧教育元年”概念，进一步强调了人工智能在推动教育变革中的核心作用^［4-5］ 。因此，利用人工智能技术推动医学教育的数字化转型，也是满足国家当前需要和未来发展方向的重要策略之一^［6］。然而，当前的人工智能在医学教育中的应用与研究尚处起步阶段。医学教育的庞大体量、繁杂学科、理论与实践并重特性以及知识快速迭代，均对师生构成了显著压力。基于此，本研究通过多维分析医学本科生人工智能素养能力现状，深入探索影响医学生人工智能素养水平的因素，进而提出可行的培养医学本科生人工智能素养能力策略，以促进医学生在人工智能时代的全面发展，培养适应时代和科技要求的“人工智能+医学”新医科人才^［7］。

1 对象与方法

1.1 研究对象

选择智能医学工程、生物技术、生物医学工程、口腔医学、护理学、临床医学等专业的本科生作为调查对象，共263人。其中，男生74人，女生189人；主要为一至三年级学生。专业分布上，智能医学工程专业人数最多，有59人，占比22.4%；其次是护理学专业，55人，占比20.9%。

1.2 研究方法

研究采用问卷调查法。问卷内容包含学生基本信息、对人工智能技术了解程度、看法和态度、使用情况、对学校人工智能教育现状评价以及对人工智能技术学习期待等方面内容。基本信息包括性别、年级、专业。问卷包含23个问题，题型有选择题和5级Likert量表题（1=非常不同意，5=非常同意），量表题目主要涵盖学生的“AI的正向认知与应用意愿”“AI的风险感知与角色反思”以及“AI素养”三个方面。

1.3 统计学方法

研究数据来源于问卷调查，采用SPSS 26.0对数据进行分析，检验水准设置为α=0.05。通过使用Cronbach’s α分析，评估问卷量表的可靠性、稳定性；使用KMO 和Bartlett检验进行效度验证^［8］。如表1所示，AI素养量表的KMO系数达0.897，Bartlett球形检验显著（P<0.001），证实数据符合因子分析的前提条件。

为优化量表解释效度，本研究采用因子载荷检验与探索性因子分析。基于AI素养量表的EFA结果，最终确立两个维度，并依此完成量表修正^［7］。基于Cronbach’s α信度检验（见表2），AI素养量表两个维度的α系数均超0.80阈值，表明该测量工具具备高内部一致性与可靠稳定性。

对AI素养量表进行探索性因子分析，析出两个公因子（累计方差贡献率64.587%），表明量表结构效度达标。其中因子1（AI效用感知）：包含8个项目，反映对AI的正向认知与应用意愿；因子2（AI风险反思）：含5个项目，涉及AI的风险感知与角色批判（见表3）。

2 结果

2.1 医学本科生AI素养能力现状

研究对医学本科生AI素养能力现状进行了描述性统计分析，相关结果呈现于表4。学生整体AI素养维度的得分均值为3.916，标准差为0.564，处于中等偏上水平，表明学生整体具备一定的AI素养，但个体间的素养水平存在波动。从具体维度来看，“AI的正向认知与应用意愿”维度的得分范围在2.50~5.00之间，均值为4.033，标准差为0.577。这表明高校学生在对AI的正向认知以及应用意愿方面整体处于较高水平，多数学生对AI持积极态度并愿意应用。标准差显示学生在此维度上的得分存在一定差异，说明部分学生的正向认知与应用意愿程度与整体均值有偏离。“AI的风险感知与角色反思”维度的得分区间是2.40~5.00，均值为3.728，标准差为0.645。该维度均值相对稍低，说明学生在AI风险的感知以及角色反思方面的意识整体弱于正向认知与应用意愿。同时，较大的标准差反映出学生在这方面的认知差异更为明显，即不同学生对AI风险和角色变化的思考程度参差不齐。

2.2 影响医学生AI素养的因素相关性分析

2.2.1 使用AI工具频率的因素分析

为深入探究医学生AI素养与其他因素之间的关联，研究选用斯皮尔曼（Spearman）相关系数进行分析，结果如表5“相关系数”所示。主要考察了AI素养与使用AI工具的频率之间的关系。结果显示AI素养与使用AI工具的频率呈现出显著的负相关关系（斯皮尔曼相关系数为-0.352，Sig.双尾值为0.000）。这意味着使用AI工具频率越高的学生，其AI素养反而可能越低。为进一步探究使用AI工具的频率对AI素养的影响，本研究建立了多元线性回归模型（因变量：AI素养）。如表6所示，回归分析结果表明，使用AI工具的频率对AI素养具有显著的负向预测作用（β=-0.321，t=-5.388，P<0.001）。具体而言，学生使用AI工具的频率每增加一个单位，其AI素养得分预计会下降0.303分。该模型不存在多重共线性问题（VIF=1.088）。这一结果看似违背常理，实则可能存在多种解释。通过对学生访谈发现，学生频繁使用AI工具但素养得分低的主要原因有：过度依赖AI工具，聚焦解决表面问题而忽视了AI工具需要通过不断地“信息投喂”和“训练”才能使诸如DeepSeek、ChatGPT、豆包等AI工具为个人服务，导致虽操作熟练但素养并未同步提升；学生对指令、背景信息描述不准确，无法精准提供反馈；学生容易忽视AI工具“幻觉”或“胡编乱造”的缺陷，缺乏警惕性；当前学生接触的AI工具较为基础和单一，其目的是利用AI高效地“完成任务”，却绕过了至关重要的“学习过程”，难以全面促进其AI素养的发展^［7］ 。

2.2.2 性别因素分析

本研究运用非参数检验，剖析不同因素对医学生AI素养的影响。性别方面，Mann-Whitney U检验显示P值为0.067，大于0.05（见表7），说明性别并非影响AI素养的关键因素，男女学生在AI素养水平上无显著差异。

2.2.3 年级、专业等因素分析

在年级、专业、对AI技术了解程度及是否学过AI相关知识因素中，Kruskal-Wallis H检验（见表8）表明，年级（P=0.327）和专业（P=0.057）因素未致AI素养显著差异，或因高校AI教育资源配置较均衡，各专业AI知识融入与学生接受度差异不突出。而对AI技术了解程度（P=0.001）和是否学过AI相关知识（P=0.008）因素，P值均小于0.05，说明主动探索AI技术及学习相关知识，对提升学生AI素养至关重要，是促进素养发展的关键着力点。

2.3 学生对AI风险认知的相关性分析

通过相关性分析（见表9），学生对AI技术的兴趣程度以及思考AI数据来源的可靠性与对AI技术可能带来的负面影响的担忧有着正相关关系并呈现出显著性，而使用AI技术的频率则与对AI技术可能带来的负面影响的担忧有着负相关关系并呈现出显著性。说明学生担忧AI负面影响的程度越低，越积极使用AI工具，更容易出现使用AI技术产生的伦理道德问题，因此更应加强学生使用AI技术的伦理与法律教育。

3 讨论

研究结果显示，医学本科生对人工智能素养的认知与态度，反映出在医学教育中引入人工智能内容的重要性和必要性。首先，当前医学本科生对AI应用较积极，超过73%的学生对AI在医学中的应用持积极态度，意识到AI技术对学习、生活及职业发展的显著影响，并且随着年级的增加，学生对使用AI的意愿也有所提升。学生在AI素养能力方面已具备一定基础，AI素养处于中等偏高水平，但各维度发展不均衡，且个体间存在差异。其次，学生普遍认为人工智能能够提升医学教学、科研及临床水平，尤其是在模拟真实场景和个性化学习方案方面的应用受到广泛认可。然而，许多学生在学习AI技术时面临数学知识基础不足等困难，这可能影响他们对该领域的深入学习。此外，虽然大部分学生愿意参与人工智能相关的创新活动，但也对其潜在的负面影响表达了担忧，这表明在推广人工智能的同时，必须加强对其伦理与法律问题的教育。“人工智能素养+医学教育”的深度融合，是顺应时代发展的必然要求，同时不仅是医学领域应对挑战、把握机遇的抓手，更是培养新时代复合型医学人才的战略方向^［9］ 。因此，高校需通过教育改革和课程设置来提升其人工智能素养，确保其能够在未来医疗工作中有效、安全地运用这一技术，培养适应时代和科技要求的新医科人才^［5］ 。

3.1 设置学科交叉融合的人工智能通识教育课程

调查结果显示，超过74%的学生对开设人工智能相关课程持积极态度。83.65%的学生认为提供基础与高级人工智能课程（如机器学习、医学AI应用）对他们最有帮助。一年级和二年级的学生对基础与高级人工智能课程的需求相对较高，而三年级及以上的学生在选择上逐渐减少。超过三分之一（36.88%）的学生群体更支持以选修课的形式开设课程。27.76%的学生选择网络课程，体现了学生学习灵活性需求。65.02%的人表示数学基础较差并且有畏难情绪是他们学习人工智能技术时最大的困难。多数学生更倾向于学习如何与人工智能系统协作开展医疗工作（43.73%），以及人工智能在医学各领域的应用案例分析（28.90%）。

针对大部分学生数学基础相对薄弱，且对学习AI存在一定畏难心理，可以通过降低起点、重塑认知、正向激励，将畏难情绪转化为探索AI动力的良性循环。在低年级开设面向所有专业的人工智能通识教育核心必修考查课程，包括AI体验、数据处理、智能分析等基础课程。例如以AI体验为先导，培养学生好奇心，从AI应用中发现数学价值，为解决问题而主动学习数学；通过情景化、游戏教学，将数学与AI学习融合；鼓励小组合作，减少面对困难时的焦虑，帮助学生建立基本的数据思维和逻辑思维。

根据学生需求，高年级开设服务不同专业的前沿选修课程，包括未来医疗的智能案例或工作过程，通过整合碎片化微课、翻转式教学与数字化资源，升级“AI-医学融合”选修课的模态丰富性，同时设置跨学科实践课程体系包含：“临床智能诊断分析”“医学大数据综合实践”等前沿交叉课程模块^［7］ 。课程设置需兼具智能技术与医学的深度交叉融合，及其转化生成的实践赋能特征。教学目标是要建构医学生智能素养双维度（计算思维+AI认知），实现医学教育与人工智能思维的深度互嵌，培养临床复杂决策的创新执行者^［7］ 。

AI赋能医学教育的同时，因其技术的内在逻辑存在其局限性，由此催生出一系列伦理困境，包括技术过度依赖、数据隐私泄露、教学过程中情感互动的缺失、权力边界不清，以及技术创新与人文价值守护的冲突等问题。有研究提出从巩固生命伦理观念、完善相关制度伦理的建设，以及主动预防技术潜在的伦理风险等方面进行伦理考量。调查发现学生对使用AI技术的负面影响担忧处于中高水平（量表得分3.75），因此还要加强对使用AI技术的伦理与法律问题教育，特别是针对学术诚信、版权意识及隐私数据保护等关键议题，通过系统培训来强化学生的规范意识与实操能力^［10］ 。注重指导学生如何在恰当的场景下使用AI，并培养其甄别与批判性思维，以防范滥用和过度依赖^［11］ 。强调在保护个人隐私的同时，务必严守底线，不侵害他人合法权益。同步加强数据安全法规的宣传与信息安全知识的普及，帮助学生识别存在的隐私泄露风险，掌握必要的防护措施^［9］ 。

3.2 加强校企合作，搭建实践平台

以产教融合机制引入AI医疗企业共建高校实践基地。整合企业医疗设备资源，协同工程师参与实训体系开发，推进产学研三位一体发展，打造新医科智能化实训基座平台，为复合型医学人才提供硬件能力载体。开发并推广应用适合医学生软件、智能化学习课表、医学教育管理智能决策系统等，逐步让人工智能浸润到医学教育及其管理实践中^［12］ 。例如我校与东软教育科技集团有限公司在专业建设、教学资源开发、新医科实验室及创新创业平台建设、公共人才实训基地建设等方面开展合作共建^［13］ 。通过“教-学-管-训-评”多场景的一体化、数字化智慧教育平台，开设人工智能通识课、人工智能微专业；构建“新医科产教融合公共人才实训基地”。多项举措不仅注重学生AI技术能力的提升，还强调伦理思考，全面提升学生的Al能力与素养。

积极的态度和兴趣与高水平的AI素养密切相关^［7］ ，调查显示，63.5%的学生明确愿意参与人工智能创新活动。在教育实践中应注重提供AI赋能医学的技能培训或认证项目、推动校企联合项目增加实习或实践机会、增设AI与医学交叉科研课题机会、配备AI学习与研究工具（如虚拟病人、数据分析软件）、专项奖学金等，引导学生将课堂习得的理论知识应用于解决现实问题。例如，与校企合作，通过组织举办“人工智能+医学”跨学科竞赛，强化学生AI实践素养，激活创新潜能，同步构建师生学术对话生态。

3.3 加强师资培训

学生有较强的意愿希望教师在教学中使用AI辅助工具（得分为3.85）。AI工具可以在备课、教学设计、批改作业和反馈、日常行政工作、专业发展等多方面帮助教师减轻工作负担。“人工智能+医学”的教育模式，要求任课教师具备跨学科知识架构^［5］ ，除医学教育素养外，更需精通人工智能、大数据等前沿技术知识体系。同时面对教育的互动、复杂、开放、实践、社会与创造等多重属性，教师应立足核心素养^［14］ ，有机融合人工智能，这样才能对学生进行学科交叉灌输及引导。学校可以通过开展医学人工智能教学相关师资培训，多学科联动，建立跨学科师资合作机制，鼓励医学类专业教师参与各类人工智能相关培训，积极探索跨学科教学团队的培养与提升。如实施多学科交叉人才引育双轨制：通过校际-校企协同育人平台开展集中培训与实践浸润。通过构建线上线下、跨学科和跨地域新型研修模式，为教师搭建更宽合作发展平台，让教师分享成功教育实践和研究成果。

4 结语

人工智能在医学教育、科研与临床实践中的应用，正展现出推动行业深刻变革的巨大潜力，其未来发展前景广阔^［15］ 。高校医学教育应适应这一发展趋势，教育管理者及教师应主动更新医学教育理念和方法，积极学习和审视AI的优势与局限，以满足新的教育需求，适应新兴技术环境。以培养批判性思维和问题解决能力为核心，突破传统学科界限，推行跨学科整合的能力导向教育模式。塑造学生的核心素养与关键能力，包括正确的价值观、理性的思维方式、深刻的同理心以及卓越的创造力、合作精神与批判性思维^［10］ 。着重塑造学生的价值观念、创新思维、共情能力、协作意识及批判精神，同时深化其利用AI技术加深对医学专业知识、实践技能、临床应用和伦理规范的认知。通过这种综合培养方式，有效提升医学生的学习成效，为其职业发展打下坚实基础。

参考文献

[1] WARTMAN S A， COMBS C D ．Reimagining medical education in the age of AI［J］．AMA Journal of Ethics，2019，21（2）：E146-E152．

[2] 贾萌，张瑛琪，李云峰，等 ．医学人工智能教育的研究进展［J］．医学教育研究与实践，2023，31（1）：1-6．

[3] 汤影子，夏杰，刘慧敏，等 ．人工智能在慢性肝病领域中的应用研究进展［J］．解放军医学杂志，2022，47（8）：845-850．

[4] 黄明芳，侯青涵，张韦 ．生成式人工智能在医学教育领域的应用现状与未来趋势［J］．医学与社会，2025，38（1）：29-34．

[5] 宋元明 ．“人工智能+医学”新医科人才培养探索：以部分高校实践为例［J］．中国高校科技，2020（8）：65-68．

[6] 熊绘，樊越，张迪，等 ．人工智能大模型赋能医学教育实践的伦理风险及对策［J］．医学教育研究与实践，2025，33（5）：635-640．

[7] 周琼，徐亚苹，蔡迎春 ．高校学生人工智能素养能力现状及影响因素多维分析［J］．图书情报知识，2024，41（3）：38-48．

[8] 李龙.基于胜任力模型的A出版公司人才队伍建设研究［D］.石家庄：河北地质大学，2022.

[9] 康娜，郝亚楠，李芳芳，等 ．面向医学生的人工智能素养能力框架构建［J］．大学图书情报学刊，2024，42（3）：46-51．

[10] 杜瑾 ．生成式人工智能背景下高校AI素养教育实施方案研究［J］．图书馆理论与实践，2025（1）：111-121．

[11] 瞿星，杨金铭，陈滔，等 ．ChatGPT对医学教育模式改变的思考［J］．四川大学学报（医学版），2023，54（5）：937-940．

[12] 李鸿浩，陈波，李建平，等 ．医学教育中人工智能应用的现状、问题与对策［J］．中国循证医学杂志，2020，20（9）：1092-1097．

[13] 李平.整体统筹，服务职教绿色发展［N］.浙江教育报，2022-06-17（01）.

[14] 宋萑，林敏 ．ChatGPT/生成式人工智能时代下教师的工作变革：机遇、挑战与应对［J］．华东师范大学学报（教育科学版），2023，41（7）：78-90．

[15] 张俊祥，李传富，吕维富 ．人工智能在医学教育、科研和临床实践中的应用前景与挑战［J］．中华全科医学，2024，22（7）：1085-1089．

基金资助

2025年度广西高等教育本科教学改革工程项目(2025JGA304)

2025年中国高等教育学会重点课题项目(25YX0201)

2023年中国高等教育学会重点课题项目(23LH201)