基于多维度个性化学习路径的高层次医学人才培养策略研究

Research on the Strategies for Cultivating High-Level Medical Talents Based on Multidimensional Personalized Learning Path

摘要

随着医学教育对人才培养精准化、个性化及科学化需求的不断提升，高层次医学人才培养面临复杂的挑战。基于成人学习理论、多元智能理论及现代教育技术，系统设计了多维度模块化课程体系，涵盖临床技能、科研创新、沟通领导及心理素质四大核心模块。构建了科学合理的个性化学习路径及动态调控机制，依托全面的初始评估、多层次反馈及人工智能技术（Artificial Intelligence， AI）辅助，实现学员能力基础、兴趣特长与发展目标的精准匹配与动态优化。针对培养效果，设计了覆盖知识掌握、技能操作、科研能力、沟通协调和心理素质的多维综合评价体系，结合定量与定性评价，支持教学过程的监控和持续改进。该策略旨在有效促进学员优势发挥与短板补足，提升自主学习与反思能力，助力应对未来复杂多变的医疗环境。未来需加强评估工具科学性、AI辅助技术应用及跨学科融合，开展多中心长期研究，以促进更高质量个性化医学人才培养。

Abstract

With the improvement of precise, personalizd, and scientific demend of medical education for talents, the cultivation of high-level medical talents faces complex challenges. Based on adult learning theories, multiple intelligences theory, and modern educational technology, this study systematically designs a multidimensional modular curriculum system covering four core modules: clinical skills, scientific research innovation, communication and leadership, and psychological quality. A scientifically sound personalized learning path and dynamic adjustment mechanism are constructed, relying on comprehensive initial assessments, multi-level feedback, and artificial intelligence assistance to achieve precise matching and dynamic optimization of learners’ abilities, interests, and development goals. To evaluate training outcomes, a multidimensional comprehensive evaluation system is designed, encompassing knowledge mastery, skill operation, scientific research ability, communication and coordination, and psychological quality, integrating quantitative and qualitative assessments to support monitoring and continuous improvement of the teaching process. This strategy aims to effectively promote learners’ strengths and address weaknesses, enhance autonomous learning and reflective abilities, and help cope with the increasingly complex and changing medical environment. Future efforts should be focused on improving the scientific validity of assessment tools, applying intelligent assistance technologies, and fostering interdisciplinary integration, while conducting multicenter long-term studies to advance personalized medical talent training toward higher quality and greater efficiency.

关键词

个性化学习路径 / 高层次医学人才 / 模块化课程 / 动态调控 / 多维评价体系

Key words

Personalized learning path / High-Level medical talents / Modular curriculum / Dynamic adjustment / Multidimensional evaluation system

高层次医学人才培养是现代医学教育的核心任务，直接影响医疗服务水平与科研创新能力^［1-3］。近年来，国际医学教育界普遍强调个性化、精准化的人才培养路径。例如，美国与加拿大的医学院校在胜任力导向教育（Competency-based Medical Education，CBME）框架下，注重通过可测量的学习成果来实现因材施教^［4］；欧洲部分国家则结合多学科交叉与虚拟仿真技术，推动灵活的课程体系与学习路径建设^［5］。国内研究同样关注个性化教学的探索与实践，如在妇产科学及其他临床医学教学中已逐步引入多元智能理论和人工智能技术（Artificial Intelligence，AI）辅助，以提升学员的自主学习与综合能力^［6-7］。然而，目前的研究多集中于单一模块或局部教学环节，缺乏系统化的个性化培养路径设计，尚未形成涵盖临床技能、科研创新、沟通领导与心理素质的综合培养模式。

在此背景下，基于成人学习理论强调的学习者主动性和多元智能理论倡导的多方面能力培养，并结合现代教育技术的发展，个性化学习路径逐渐成为实现精准教学的重要途径。本文构建了以临床技能、科研创新、沟通领导及心理素质为核心的多维度模块化课程体系，形成系统而灵活的教学结构。通过科学的初始能力评估，结合学员职业规划和兴趣特长，设计个性化学习路径，并依托动态反馈与AI技术，实现学习路径的实时调整和优化。多维综合评价体系的设计保障了教学效果的科学监控与质量提升。本文旨在探索符合现代医学教育发展趋势的个性化高层次医学人才培养策略，通过模块化课程设计、动态调控机制及多维评价体系，促进学员的全面发展和自主学习能力的提升，为医学教育的创新实践提供理论支持和实践路径，助力培养适应未来医疗环境挑战的高素质医学人才。

1 理论基础与设计思路

个性化学习路径设计的理论基础主要涵盖成人学习理论、多元智能理论、胜任力导向教育以及现代教育技术。成人学习理论强调学习者的主动性和学习目标的自我设定，强调学习过程中的情境性和反思性^［8-9］。多元智能理论提出认知、操作、情感和社交等多方面能力的培养应被纳入教学设计，以促进学员的全面发展^［10-12］。在医学教育领域，胜任力导向教育已成为国际公认的重要教育理念。CBME强调以胜任力为导向，以可观察和可测量的学习成果为目标，将知识、技能、态度与职业素养有机整合，特别适用于培养能够应对复杂临床环境和多学科协作的医学人才^［13-14］。其核心在于明确培养目标、建立分层能力标准，并通过持续评价促进学习路径的动态优化。这与个性化学习路径理念高度契合，为精准匹配学员个体特点与培养目标提供了理论支撑。同时，随着大数据和AI技术的快速发展，教育评估与路径动态调整的实现更加科学与高效^［15-17］，为个性化学习路径的构建提供了技术保障。

在此理论基础上，本研究的设计思路遵循“理论与实践相结合、个性化与系统化统一、动态反馈与持续优化”的原则，强调多维度能力的模块化培养与个性化路径的灵活构建。通过系统梳理医学人才培养的核心能力要求，结合多学科协作理念，构建涵盖临床技能、科研创新、沟通与领导力、心理素质等模块的课程体系。学习路径设计则依托初始能力评估与职业发展规划，实现学员个体特点与培养目标的精准匹配。动态反馈机制与多层次评价体系的引入，则为路径调整和教学优化提供了科学依据和保障，推动培养方案的持续完善和学员能力的稳步提升。

2 多维度模块化课程设计

2.1 临床技能模块设计

临床技能是医学人才的基础能力^［18］，本模块以培养学员扎实的临床操作能力和多学科协作意识为核心。课程设计注重理论与实践结合，设置标准化操作流程和技能考核标准。

①核心技能训练。针对基础临床操作（如体格检查、无菌操作、基本手术技能等）进行标准化训练，配备操作清单和评分标准，确保技能掌握的科学性和规范性。②先进技术培训。引入宫腔镜手术、腹腔镜手术、机器人辅助腹腔镜手术操作等新兴临床技术，通过模拟平台和现场示范，提升学员掌握前沿技术的能力。③病例库与仿真平台。建立多样化临床病例库，涵盖常见病、多发病及疑难重症，结合Mise平台情境模拟与病例推演系统，构建沉浸式模拟训练环境，促进临床决策与应急反应能力的培养。④多学科协作训练。通过多学科团队病例讨论和联合诊疗模拟，强化学员与影像科、麻醉科、病理科等相关科室的协作意识和沟通协调能力。⑤导师辅导与反馈。定期开展技能操作评估，导师现场指导并给予针对性反馈，促进学员的持续改进与能力提升。

2.2 科研创新模块设计

科研能力是推动医学发展和个人职业成长的重要驱动力^［19］。本模块旨在培养学员的科学思维和研究实践能力，内容涵盖科研全流程。①文献阅读与批判性思维。设计分阶段的文献阅读计划，结合指导性讲座与研讨，培养学员快速筛选、分析和评价科学文献的能力。②科研设计与项目管理。开设课题设计工作坊，指导学员完成研究方案的构建，包括研究背景、假设提出、实验设计、数据采集及分析计划等。③医学伦理与学术规范。设置专项培训模块，系统讲授医学研究伦理原则（如知情同意、受试者保护、科研诚信）与学术规范要求（如作者署名、引用规范、避免学术不端）。通过典型案例剖析和角色扮演讨论，引导学员在科研实践中自觉遵守伦理与规范，培养良好的学术品格。④数据分析与工具培训。针对医学科研中常用的统计学方法和软件（如SPSS、R、Python）开展培训，提升学员的数据处理和科学计算能力。⑤学术写作与成果报告。组织学术写作训练班，指导学员撰写科研论文、项目报告和学术会议演讲稿，强化逻辑表达和学术规范。⑥科研成果转化意识培养。通过专题讲座和案例分享，展示科研成果向临床实践转化的路径与经验，增强学员成果转化的意识和能力。

2.3 沟通与领导力模块设计

沟通和领导力是医学团队协作和医疗服务质量提升的重要保障^［20］。该模块围绕医患沟通、团队交流及领导技能展开设计。①医患沟通模拟。利用角色扮演和标准化病人（Standardized Patients， SP）训练，强化学员在不同情境下的沟通技巧，包括病情说明、情绪管理、冲突处理等。②团队沟通训练。通过跨学科团队项目和病例讨论，提升学员在多专业环境下的语言表达、信息共享和协调合作能力。③领导力培养。设计团队管理实践课程，安排学员担任小组负责人，负责项目计划制定、任务分配和进度跟踪，提升组织协调与决策能力。④反馈与自我反思。在项目结束后开展团队成员及导师的多维度反馈，帮助学员认识自身领导风格优劣，促进持续改进。

2.4 心理素质模块设计

医学工作环境复杂且压力巨大，良好的心理素质有助于保障医生身心健康和职业持续发展^［21］。该模块关注情绪管理、压力应对及自我调节能力的培养。①情绪与压力管理培训。开设正念冥想、放松训练等课程，传授科学的情绪调节方法，帮助学员有效缓解职业压力。②应急反应与突发事件模拟。通过真实场景模拟（如手术突发状况、医疗纠纷处理），训练学员在压力环境下的冷静应对和快速决策能力。③自我反思与心理支持。鼓励学员开展情绪日记和自我评估，建立心理健康档案。配备专业心理咨询资源，提供定期心理辅导和危机干预。

2.5 模块间的协同整合

为避免各模块孤立发展，课程设计注重模块间的融合与协同。通过跨模块综合项目、案例分析和团队活动，促使学员在实际环境中同时运用临床技能、科研思维、沟通技巧及心理调适能力，提升综合素养，实现高层次医学人才的全方位培养。

3 个性化学习路径构建与动态调控机制

随着医学人才培养需求的多样化和个体差异性的显著增强，单一统一的教学路径已难以满足学员的个性化发展需求^［22-23］。针对这一挑战，本研究设计了一套科学合理的个性化学习路径构建与动态调控机制，旨在根据学员的能力基础、兴趣特长和发展目标，量身定制学习计划，并通过多层次反馈实现路径的灵活优化，确保培养效果最大化。

3.1 初始评估与个性化目标设定

个性化学习路径的构建以精准的初始评估为基础。评估体系涵盖临床技能水平、科研能力、沟通表达及心理素质等多个维度，采用技能测试、结构化问卷、心理测评工具以及导师面谈等多种手段相结合的方式，全面描绘学员的能力现状。

基于评估结果，结合学员的职业规划和兴趣爱好，导师团队与学员共同制定个性化的成长目标。目标明确具体，涵盖短期阶段目标与长期发展规划，为后续路径设计和实施提供科学依据。

3.2 个性化路径设计原则与策略

个性化学习路径的设计需兼顾学员个体差异与培养目标的多样性，确保教学方案既具有针对性又具有灵活适应性^［24］。设计原则主要包括以下几个方面。

第一，坚持“因材施教”，依据学员的能力基础、兴趣方向及发展需求，合理配置课程内容与学习资源，实现学习任务的梯度递进。基础薄弱者注重夯实核心技能与理论知识，基础扎实者则着重高阶能力的培养与创新挑战。第二，遵循系统性与模块化原则，将培养内容细分为临床技能、科研能力、沟通协调与心理素质等多个模块，便于根据学员特点进行灵活组合与调整，促进多维度能力的均衡发展。第三，强调学习路径的动态适应性。通过持续地评估与反馈，及时调整学习重点与难度，保障学员在不同阶段获得最适合自身发展的课程内容，提升学习效率和效果。此外，注重资源与支持的个性化配置。根据学员具体需求，精准匹配导师辅导、学习资源及同伴支持，构建良性学习生态，增强学习的针对性与持续性。

综上，个性化路径设计在理论指导和实践需求之间实现平衡，兼具灵活性和系统性，旨在最大限度地激发学员潜力，促进其专业能力和综合素质的全面提升。

3.3 动态反馈与路径优化机制

个性化学习路径并非静态方案，而是基于持续反馈的动态调整系统，主要包含以下环节。导师观察反馈。导师通过日常指导、技能考核及项目评估，对学员的表现进行细致观察，及时发现问题与成长点，反馈给学员并指导路径调整。学员自评与反思。学员被鼓励进行定期自我评估和学习反思，记录学习感受、困难与收获，增强自我认知与主动调控能力。智能学习行为分析。利用Mise情境模拟与病例推演系统和AI智能体助教，实时采集学员在线学习行为、考试成绩及互动数据，自动识别学习瓶颈，辅助决策支持。定期路径复盘会议。每季度组织路径复盘会议，综合导师反馈、自评报告及智能分析结果，评估学习进度和效果，调整模块内容、学习难度及资源分配。

3.4 导师团队与AI辅助双重支持

在高层次医学人才的培养过程中，导师团队与AI技术的结合发挥着互补且关键的作用。导师团队基于丰富的临床和科研经验，承担个性化指导、能力评估和情境化反馈的职责，促进学员专业素养和综合能力的全面提升。导师通过面对面交流、案例指导及定期督导，有效引导学员制定切实可行的学习目标，并针对个体差异调整教学方案。

与此同时，AI辅助系统在教学过程中的主要职责是学习数据采集与分析、个性化资源推荐、学习行为监测与路径优化建议，不直接参与临床诊疗决策，也不替代导师的价值判断和人文关怀。系统通过对学员学习行为、考试成绩和交互数据进行实时采集与建模，识别学习瓶颈、预测潜在风险，并为导师提供决策支持，从而提升培养策略的精准性和响应速度。同时，AI支持虚拟仿真训练环境的搭建与智能答疑，帮助学员提升学习效率与实践体验。

在数据使用过程中，严格遵循医学数据伦理与隐私保护规范。所有采集数据均经过多重脱敏处理：首先，去标识化，删除或替换姓名、学号、住院号等直接识别信息；其次，加密存储，采用分级密钥加密方式，将敏感信息与一般学习数据分别存储，并定期更新密钥；再次，分级授权访问，根据使用目的和岗位职责对数据访问权限进行严格分层，确保只有经过批准的导师或研究人员才能访问特定数据；最后，遵循最小必要原则，仅在教学和研究确有需要时调用数据，并设置日志追溯机制，对数据访问行为进行全程记录与审计。通过与导师团队的人工审核和伦理委员会的监督相结合，保证AI分析结果在可控、安全、合规的前提下用于教学干预与路径优化，从而最大限度地保障学员及患者的隐私安全。

双重支持模式实现了人文关怀与技术赋能的有机融合。导师的经验判断与情感支持与AI的数据驱动相辅相成，共同构建动态、个性化的学习支持体系。此模式不仅提高了教学管理的科学性和响应速度，也强化了学员的学习主动性和适应性，为实现高质量医学人才培养提供坚实保障。

3.5 个性化支持资源与同伴互动机制

个性化学习不仅依赖于课程内容的定制，还需要丰富的学习资源和社交支持。定制化学习资源库。根据学员路径需求，动态推荐文献、视频、模拟案例和在线课程，满足不同阶段和方向的学习需求。同伴学习小组。组建基于相似学习路径或研究兴趣的同伴小组，促进经验交流、互助学习和跨学科合作，增强学习动力和归属感。跨学科交流平台。搭建线上线下交流平台，促进不同专业背景学员间的沟通，拓宽视野，提升团队协作能力。

4 多维度综合评价体系设计

为了科学、全面地反映学员在多维度个性化学习路径中的能力发展水平，保障教学质量和培养效果，本研究设计了覆盖临床技能、科研创新、沟通领导和心理素质等核心维度的综合评价体系。该评价体系立足于多元指标、灵活方法与持续反馈，旨在促进个体能力的全面提升和教学方案的动态优化。

4.1 评价目标

多维度综合评价体系旨在科学、全面地衡量学员在个性化学习路径中的能力发展水平，确保培养目标的实现。具体目标包括以下方面。全面反映学员在知识掌握、临床技能、科研创新、沟通协调及心理素质等多方面的综合表现。促进学员自我认知与持续成长，激发学习积极性和自主性。为导师提供客观、翔实的能力评估依据，支持个性化教学调整与指导。实现动态监控与反馈，推动教学方案的优化和人才培养质量的提升。

4.2 评价指标体系构建

评价指标体系以培养目标为导向，围绕高层次医学人才的核心能力需求，构建多维度、层次化的指标框架。主要涵盖以下五大类别。

4.2.1 临床操作技能

临床技能评价包括基础操作规范性、先进技术熟练度和临床决策能力，主要采用模拟操作考核、标准化病人评价及导师观察进行评分（见表1）。

4.2.2 科研能力

科研能力旨在评估文献分析、科研设计、数据处理和学术写作能力。通过科研项目方案撰写、数据分析报告及论文撰写质量进行评价（见表2）。

4.2.3 沟通与团队协作能力

沟通与团队协作能力考察医患沟通技巧、团队内交流与协调能力。利用角色扮演评价、团队项目表现及同伴反馈实现多角度测量（见表3）。

4.2.4 领导力与管理能力

领导力与管理能力包括决策能力、组织协调及团队激励表现，通过项目管理任务执行情况、领导风格自评及导师评价进行量化（见表4）。

4.2.5 心理素质与应变能力

关注情绪管理、压力应对和突发事件处理能力。采用心理测评量表、情绪日记分析、导师观察及模拟紧急情境表现评价等多种方法。为增强科学性，纳入常用的心理学工具，如 症状自评量表（SCL-90）、压力量表（Perceived Stress Scale， PSS）、压力应对方式问卷（Coping Style Questionnaire， CSQ）等，与定性观察相结合，确保评估的客观性和可重复性（见表5）。

4.3 评价方法与工具

本评价体系采用定量与定性相结合的多元评价方法，确保全面且细致。

4.3.1 定量测评

笔试与在线测验：考查理论知识与科研技能掌握；技能操作评分表：标准化操作流程打分，保证客观性；问卷量表：包括心理健康、沟通能力及领导力等量表。

4.3.2 定性评价

导师观察记录与评分：综合评价学员表现及进步；同伴评价：借助360度反馈机制，获取团队成员的多角度评价；自我反思报告：促进学员自我认知与持续改进。

4.3.3 技术辅助评价

运用Mise情境模拟与病例推演系统进行数据分析，结合AI技术对学习行为和参与度进行辅助评价，识别学习瓶颈。

4.4 评价流程与周期

4.4.1 初始评估

在学习路径启动阶段，进行基础能力的全面评估，明确学员的起点水平，为个性化路径设计提供依据。

4.4.2 阶段性评价

每个教学模块结束时，开展相应的知识与技能测试，重点检测该阶段培养目标的达成情况，及时发现并解决学习中的问题，形成阶段性能力快照。

4.4.3 周期性综合评价

每学期或季度组织一次综合评价，整合多维指标结果，形成全面的能力画像，评估学员整体发展趋势。

4.4.4 总结性评价

学习周期结束时进行总结性评价，综合考核学员在各能力维度的提升效果，为后续培养策略提供科学依据。

4.5 反馈机制与应用

科学有效地反馈机制是个性化学习路径持续优化的关键环节。本研究构建了以“即时反馈-阶段反馈-综合反馈”为主线的多层次反馈机制，旨在实现学员自我调节、导师精准指导和系统教学优化的多重目标。

4.5.1 即时反馈：促进过程性调整

在每个模块学习和任务完成过程中，通过智能学习系统实时记录学员的学习行为、任务完成情况及测评结果，并自动生成个性化反馈建议。导师亦可借助系统数据对学员进行在线点评或面对面指导，帮助学员及时识别薄弱环节并加以改进。

4.5.2 阶段反馈：引导目标校正

在每一学习阶段结束后，组织模块性总结评估会议，由导师、同行及学员本人多方参与，对学习成果进行综合评价与讨论。阶段性反馈不仅帮助学员明晰自身在各维度的进步与短板，还为其下一阶段的学习路径调整提供数据支撑与方向建议。

4.5.3 综合反馈：支撑教学改革与策略优化

在学期末或学习路径完成后，整合各阶段评价数据，形成多维度的学习成效报告。该报告不仅反馈给学员个人，也将作为教学团队优化课程内容、调整教学方法、完善评估体系的重要依据，实现教学评价向教学改进的正向循环。

4.5.4 反馈结果的应用路径

反馈信息通过以下三种方式转化为教学决策支持。学员端：反馈促进自主学习意识提升，支持其在未来职业发展中进行目标设定与能力规划。导师端：反馈强化对学员学习过程的感知，提升个性化指导的精准性。教学管理端：反馈为教学团队提供决策支持，有助于教学资源再分配和课程体系迭代优化。

综上所述，多维度综合评价体系充分结合定量与定性评价工具，注重科学性、全面性与动态反馈，为个性化学习路径的精准实施提供坚实的评价支撑，促进高层次医学人才的全面发展。

5 讨论

本文围绕高层次医学人才培养的核心需求，提出并构建了基于多维度个性化学习路径的教育模式，探索其在课程体系设计、学习路径调控以及评价机制等方面的应用与成效，并呈现出以下几方面的优势与启示。

首先，通过前期能力评估与动态路径调整机制，实现了教学内容与学员能力、兴趣、目标的精准匹配，显著提升了学习投入度与主动性。与传统统一进度、统一内容的教学方式相比，该模式更能激发学员内在学习动机，有效促进个体优势的发挥与短板的弥补，体现了“因材施教”的教育理念。

其次，模块化课程体系以临床技能、科研能力、沟通能力、领导力和心理素质五个核心模块为支撑，不仅强化了专业能力训练，也促进了综合素养的协同发展。通过跨学科内容整合，有效打破了医学教育中“重知识轻素质”的单一导向，拓宽了高层次医学人才的能力边界，推动了复合型医学人才的形成。

此外，构建的多维度综合评价体系融合了定量与定性方法，既关注学员的知识掌握和技能表现，又强调沟通、心理、科研等软性能力的形成过程。结合AI技术的引入，实现了教学过程的实时反馈与路径动态优化，增强了教学调控的科学性与持续性，也为后续改进提供了数据支持。

在上述优势的基础上，本研究模式的价值还体现在对传统培养方式的改进与超越方面。传统医学教育通常依赖统一化课程安排和标准化考试评价，虽能保证基本知识与技能的掌握，但对学员个体差异与综合素养方面的关注不足，导致自主学习动力减弱，培养目标相对单一。相比之下，个性化学习路径模式通过前期评估、模块化课程设计与动态反馈机制的引入，使培养过程更加灵活和适应性更强。在培养目标、课程结构、教学方法、反馈机制和评价体系等方面，两者之间的差异较为显著（见表6）。由此可见，本研究提出的模式不仅能够提升临床技能训练效果，同时兼顾科研创新、沟通与领导力以及心理素质的发展，更契合高层次医学人才培养的综合要求和未来医学教育的发展方向。

6 结语

尽管本研究所构建的路径具有明显优势，但在实际推进过程中面临挑战。一方面，个性化路径设计高度依赖多维评估系统，评估工具的科学性、敏感性及其在不同阶段的适配性亟须进一步优化。另一方面，个性化教学对导师的路径指导能力、系统理解能力和情感支持能力提出了更高要求，而当前导师资源储备与培训机制仍显不足。同时，智能系统的开发与数据支持能力也限制了路径推荐的深度与广度。此外，目前尚未充分细化不同类型学员（如临床倾向型与科研倾向型）的路径差异与学习策略，这限制了教学模式的进一步精细化实施。

展望未来，随着AI、大数据和虚拟现实等技术在医学教育中的不断深化融合^［25-27］，个性化学习路径有望实现更高层次的智能化与适应化。通过开发学习行为智能分析系统、提升路径推荐精准度、优化反馈干预机制，医学教育将在提高人才培养质量、适应个体差异化需求方面取得更大突破。同时，应加强跨学科团队合作，推动教学内容、教学方法与临床实践的深度融合，构建更具开放性和持续性的人才培养生态体系，从而实现医学教育的高质量、高效率转型升级。

参考文献

[1] 蔡璟浩，周健 ．以临床医学八年制为例探索高层次、创新型、复合型医学人才的培养模式［J］．中国继续医学教育，2025，17（1）：23-27．

[2] 王露岚，彭树涛 ．高层次医学创新人才培养的理论思考和实践举措：基于国家科技奖的实证分析［J］．复旦教育论坛，2024，22（2）：114-120．

[3] 王卓然，李明穗，蒋慧莉，等 ．聚焦国家医学发展，实施人才培养 “六才” 理念［J］．中国医学科学院学报，2022，44（5）：837-839．

[4] ALHARBI N S ．Evaluating competency-based medical education：A systematized review of current pract-ices［J］．BMC Medical Education，2024，24（1）：612．

[5] LAMPROPOULOS G， DEL BOSQUE A， FERN-ÁNDEZ-ARIAS P，et al ．Virtual reality in medical education，healthcare education，and nursing education：An overview［J］．Multimodal Technologies and Interaction，2025，9（7）：75．

[6] 林楠，蔡雁，孙思维，等 ．个性化教学模式对妇产科临床教学的影响［J］．中国继续医学教育，2024，16（19）：113-117．

[7] PENG J Y， ZHANG H Y， TU X H，et al ．Effectiveness of AI-assisted medical education for Chinese under-graduate medical students：A meta-analysis［J］．BMC Medical Education，2025，25（1）：1207．

[8] DOWNER K， TAN D， CHILDERS J ．Applying adult learning theory to goals of care training for physical medicine and rehabilitation residents［J］．Physical Medi-cine and Rehabilitation，2025．

[9] 丁晓华，张雪芬，马雪文，等 ．基于成人学习理论指导的临床护士分层培训效果评价［J］．西北民族大学学报（自然科学版），2025，46（2）：40-44．

[10] 王玲玲，叶国柳，王艳 ．多元智能理论在妇产科临床实习教学中的应用探析［J］．中国继续医学教育，2021，13（3）：50-54．

[11] 郑丹丹 ．基于多元智能的临床医学专业学生综合素质培养策略：以贵州医科大学为例［J］．西部素质教育，2020，6（8）：56-57．

[12] 殷海燕，柏亚妹，董玉静，等 ．基于多元智能理论的研究性学习评价方案在护理学基础教学中的应用［J］．护理实践与研究，2023，20（13）：1916-1921．

[13] 俞鸿雁，陈俊春，王权，等 ．以胜任力为导向的浙大一院i-FIRST“一心五化”拔尖创新医学人才培养模式［J］．中国高等医学教育，2025（1）：1-3．

[14] 柯金鑫，项姝祯，沈修月，等 ．我国胜任力导向的医学教育研究热点与前沿趋势［J］．卫生职业教育，2024，42（23）：25-30．

[15] 孙宏巍，李芳，汤颖，等 ．AI赋能混合式教学对医学生科研创新能力的培养［J］．基础医学教育，2025，27（6）：564-569．

[16] 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，2025，33（2）：264-268．

[17] 张传钊，陈月，王俊江，等 ．ChatGPT在肝胆胰腺外科临床实习教学中的应用［J］．医学教育研究与实践，2025，33（4）：571-577．

[18] RADZIKOWSKI J L， HOUGHTON N， CHACON C S，et al ．Medical kitchen：Transdisciplinary clinical skills training［J］．The Clinical Teacher，2025，22（2）：e70065．

[19] 傅旭东，周静怡 ．任务驱动教学法在医学本科生科研能力培训中的应用［J］．医学教育研究与实践，2025，33（1）：8-13．

[20] 李莹，史晓普，洪慧，等 ．ICU护士知识共享、人际沟通、组织信任与授权型领导力的相关性［J］．中国当代医药，2024，31（17）：116-120．

[21] 刘媛华，刘光辉，李佳 ．呼吸内科临床带教中的压力管理对实习生心理健康的影响［J］．中国健康心理学杂志，2025，33（7）：1059-1063．

[22] 房明丽，李冬，邵晨 ．人工智能与个性化教学策略深度融合：以“博士研究生分子免疫学课程”为例［J］．中国免疫学杂志，2025，41（6）：1340-1343．

[23] 白洁，高天昱，顾耀祖，等 ．人工智能和虚拟现实技术在麻醉学教学中的实践与前景：个性化学习路径的综述研究［J］．中国医学教育技术，2025，39（3）：322-327．

[24] 梁玲云 ．人工智能助力高校教育个性化学习的路径探索［J］．创新创业理论研究与实践，2025，8（14）：8-12．

[25] 周佳，许瑞，吴婧，等 ．虚拟教研室在临床医学研究生培育中的探索［J］．继续医学教育，2024，38（8）：27-30．

[26] 王静，刘莉莉 ．大数据背景下中医药高校智慧档案馆建设路径探索［J］．兰台世界，2022（6）：66-69．

[27] 黄筱雨，洪莉，陈茂，等 ．VR技术在临床妇科学教学中的应用［J］．中国继续医学教育，2024，16（4）：174-177．

基金资助

辽宁省医学教育研究项目(2024-N010-01)

大连医科大学校级教学改革研究项目(DYLXQN24006)

大连医科大学附属第二医院临床教学能力提升“1+X”计划—青年教学名师项目(2022QNJXMSPY09)