AI辅助+虚拟仿真混合教学影响学生流行病学成绩因素分析

Analysis of the Factors Affecting Students’ Epidemiology Performance in AI-Assisted+Virtual Simulation Blended Teaching

摘要

目的 评估混合式教学结合虚拟仿真与AI辅助在流行病学教学中的应用效果。 方法 以2021级预防医学专业1~2班110名学生为对象，采用“线上雨课堂+线下课堂+虚拟仿真实验+AI辅助”模式，通过雨课堂和超星泛雅系统收集数据，用SPSS 28.0行统计分析。 结果 期末总成绩平均（79.49±8.81）分，近似正态分布，60分以下占2.72%；1班与2班期末成绩无差异（P=0.084），1班平时成绩高于2班（P=0.028）；男女生成绩无差异（P>0.05）；高参与度学生平时成绩高于低参与度（P=0.049），期末成绩无差异（P=0.735）。考试用时与期末成绩负相关（r=-0.319，P<0.001），观看页数与平时成绩正相关（r=0.245，P=0.010）。多元线性回归分析显示性别、班级、考试用时对期末成绩有负向影响。基础概念题得分率高，实践应用题低。 结论 该模式效果良好，但学生实践能力需加强，应优化教学提升质量。

Abstract

Objective To evaluate the application effect of blended teaching combined with virtual simulation and artificial intelligence (AI) assistance in Epidemiology teaching. Methods A total of 110 students from class one and two majoring in Preventive Medicine in the class of 2021 were selected as the subjects. The “online Yuketang + offline classroom + virtual simulation experiment + AI assistance” mode was adopted. Data were collected through Yuketang and Chaoxing Fanya systems, and statistical analysis was performed using SPSS 28.0. Results The average final total score was 79.49±8.81, approximately following a normal distribution, with 2.72% scoring below 60. There was no difference in final scores between class 1 and class 2 (P=0.084), while class 1 had higher usual scores than class 2 (P=0.028). No gender difference was found in scores (P>0.05). Students with high participation had higher usual scores than those with low participation (P=0.049), but no difference was found in final scores (P=0.735). Exam time was negatively correlated with final scores (r=-0.319, P<0.001), and number of pages viewed was positively correlated with usual scores (r=0.245, P=0.010). Multiple linear regression analysis showed that gender, class, and exam time had negative effects on final scores. Basic concept questions had a higher score rate, while practical application questions had a lower one. Conclusion This mode has a good effect, but students’ practical ability needs to be strengthened, and teaching should be optimized to improve quality.

Graphical abstract

关键词

混合式教学 / 虚拟仿真 / 人工智能辅助 / 流行病学 / 成绩影响因素

Key words

Blended teaching / Virtual simulation / AI assistance / Epidemiology / Factors affecting academic performance

流行病学作为一门方法学，应用在预防医学等各相关领域中，它是预防医学的主要学科，同时也是现代医学的一门重要基础学科^［1］，其理论性与实践性紧密结合，对培养学生的公共卫生思维和现场处置能力具有重要意义。对于预防医学专业本科生而言，不仅需要掌握扎实的理论知识，还需要具备运用这些知识解决实际问题的能力^［2］。随着信息技术地快速发展，传统课堂教学存在理论与实践脱节、学生参与度不足、复杂场景模拟困难等局限，而线上线下结合的混合式教学课程改革提供了新路径^［3］。如线上教学的雨课堂智慧教学平台教师可以通过签到记录查看学生到课情况，学生也可随时发送弹幕、实时答题，更好地参与到课堂中，从而加深了对知识点的理解和掌握^［4］。同时，虚拟仿真教学作为一种新型教学手段，融合计算机、医学等多学科，在计算机中进行三维虚拟重建，能够模拟传染病疫情处置、公共卫生突发事件应对等复杂场景，让学生在多重感官上沉浸式体验，具有良好的参与度和可操作性^［5-7］，线上虚拟仿真教学和线下实体教学相结合，相互补充，为学生提供安全、可重复的实践机会，丰富完善教学体系^［8］。此外，人工智能（Artificial Intelligence，AI）技术整合融入医学教育已经成为当前教育教学改革研究的重点方向之一^［9］。AI凭借其强大的数据处理能力和智能交互特性，正在深度重构医学教育模式，AI辅助教学强化学生对流行病学原理的实践转化能力，如智能答疑、在线题库等，在线学习平台可以提供个性化的学习内容和学习路径，帮助学生解决学习过程中的即时性问题，强化知识内化^［10］。然而，目前混合式教学联合虚拟仿真实验及AI辅助工具在流行病学教学中综合应用的效果评估研究较少，针对预防医学专业学生的学习成效与影响因素的系统分析较为少见。本研究以预防医学专业本科生为对象，采用“线上雨课堂+线下课堂+虚拟仿真实验+AI辅助”的多元教学模式，结合期末考试及过程性评价数据，分析学生成绩分布、影响因素及知识点掌握情况，为优化流行病学教学模式，提升教学质量，培养新时代公共卫生需求的复合型人才提供参考。

1 研究对象与方法

1.1 研究对象

选取2021级预防医学专业本科1~2班全体学生（n=110），其中1班55人，2班55人，男生34人，女生76人。两个班理论课教学为合班上课，均采用线上雨课堂与线下教室混合式教学模式，同一内容同一授课教师，授课教材采用人民卫生出版社詹思延主编第八版流行病学，课程内容、学时（理论45学时+实验课50学时）及考核标准一致，具有可比性。

1.2 教学实施

通过线上雨课堂线下教室理论授课：教学内容涵盖绪论、疾病分布、描述性研究、队列研究、病例对照研究、实验流行病学、筛检、病因及其发现和推断、预防策略、公共卫生监测、传染病流行病学等流行病学课程核心知识点；技能实操（实验课安排3个学时，其余课后自主学习，后台监测）：与广西医科大学公共卫生学院共建共享虚拟仿真实验平台包含14个虚拟仿真实验项目，学生通过虚拟仿真平台完成一起传染病疫情应急处置虚拟仿真实训教学软件；流行病学虚拟仿真教学软件：HIV病毒的检测手足口病虚拟教学、甲类呼吸道传染病集中隔离医学观察场所卫生防疫管理的策略与应用——以新冠病毒感染为例、泥石流灾害卫生应急处置虚拟仿真实验教学项目、守护国门进口冷链采样检测、守护国门人员卫生检疫、HIV暴露防护措施虚拟仿真实验教学系统、群体性食物中毒事件应急处置案例虚拟仿真教学软件、自杀危机干预的虚拟仿真实验教学系统、实训虚拟案例——伤寒疫情现场调查处置、毒气泄漏应急突发事件处置案例虚拟仿真教学软件、核事故突发事件的医学应急虚拟仿真实验、经空气传播传染病应急处置、经食物传播传染病疫情处置虚拟仿真实验教学系统——诺如病毒感染等流行病学课程内容。推荐学生课后使用医考帮App流行病学课程共1 976道题，以及学生自行查阅历年执业医师考试考题，在学习过程中遇到的问题提倡学生借助AI辅助如DeepSeek、豆包、腾讯元宝、Kimi等解决。闭卷考试，学生在机房电脑操作，每个班一个机房两名监考教师。期末考试题型采用执业医师考试A1（10个，1个1分，共10分）、A2/A3题型（60个，1个1.5分，共90分），满分100，考试时间120 min。

1.3 数据收集

通过雨课堂教学平台及超星泛雅考试系统采集数据。雨课堂收集的数据包括：学号、班级、姓名、性别、总分（满分42.0分，三次测试15分+15分+12分）、签到次数、到课率、弹幕总次数等。超星泛雅考试系统收集的数据包括学号、姓名、专业、班级、领取时间、提交时间、考试离开次数、学生考试用时、切屏次数、切屏总时长（秒）、识别次数、屏幕异常次数、学生排名、单选题等。

1.4 统计方法

采用Excel软件对数据进行导出和初步整理，运用SPSS 28.0软件分析。描述性统计：计算成绩的均值、标准差、中位数、最高分、最低分等统计量，绘制成绩分布直方图以观察成绩分布特征；独立样本t检验比较不同班级学生成绩（期末成绩和平时测验成绩）的差异，独立样本t检验比较参与度高低学生成绩差异；采用Pearson相关分析探讨考试行为数据与成绩之间的相关性。回归分析：以期末总成绩为因变量，行为指标为自变量进行多元线性回归。对各单选题的得分率进行统计，分析学生对不同知识点的掌握情况。检验水准α=0.05。

2 结果

2.1 成绩总体分布

110名学生总成绩平均分为（79.49±8.81）分，中位数80.00分，最高分95.50分，最低分54.50分；平时测试成绩平均分为（40.66±4.17）分，中位数42.00分，最高分42.00分，最低分12.00分。Kolm-ogorov-Smirnov检验P=0.200>0.05，期末总成绩服从正态分布，而Shapiro-Wilk检验P=0.028<0.05，期末总成绩不服从正态分布，结合图1直方图与拟合曲线、图2 Q-Q图，认为期末总分数据近似服从正态分布。60~80分区间占49.09%（54/110），80分以上占48.19%（53/110），60分以下占2.72%（3/110）。

2.2 不同班级成绩情况

1班和2班学生的成绩进行独立样本t检验，2班与1班的期末总成绩差异没有统计学意义（t=-1.742，P=0.084>0.05）；1班与2班的平时测试总成绩差异有统计学意义（t=2.257，P=0.028<0.05），且1班平时测试总成绩（41.55±0.97）分高于2班平时测试总成绩（39.78±5.71）分（表1）。

2.3 男女生成绩情况

男女生的成绩进行独立样本t检验，男女生的期末总成绩和平时测试总成绩差异均没有统计学意义（P>0.05）（表2）。

2.4 课堂参与度与成绩的关系

以“签到率100%”且“课件观看总页数≥80%”定义高参与度学生（n=50），其余为低参与度学生（n=60）。高参与度学生期末总成绩（79.80±9.45）分与低参与度学生（79.22±8.30）分差异没有统计学意义（t=0.339，P=0.735）。高参与度学生平时测试总成绩与低参与度学生差异有统计学意义（t=2.005，P=0.049<0.05），且高参与度学生平时测试总成绩（41.46±1.29）分高于低参与度学生（40.00±5.45）分（表3）。

2.5 考试行为与成绩的相关性Pearson分析

学生考试用时与期末总成绩呈负相关（r=-0.319，P<0.001），学生考试用时越长，期末总分可能越低，反之，学生考试用时越短，期末总分可能越高。学生观看总页数与平时测试总成绩呈正相关（r=0.245，P=0.010<0.05），学生观看总页数越多，平时测试总成绩越高，反之，学生观看总页数越少，平时测试总成绩越低。平时测试总成绩与期末总成绩、观看总页数与期末总成绩、签到次数与期末总成绩、签到次数与平时测试总分的相关性均无统计学意义（P>0.05）。

2.6 成绩影响因素的多元回归分析

变量赋值见表4。以期末总成绩为因变量，纳入性别、班级、考试用时、识别次数、识别异常次数、平时测试总分、观看PPT总页数、签到次数、高/低参与度、到课率自变量进行多元线性回归，自变量与因变量存在线性关系（F=3.056，P=0.002），该回归方程的决定系数R² 为0.236，这些因素可解释期末总分23.6%的变异。性别（B=-4.887，P=0.005<0.05）、班级（B=-3.512，P=0.039<0.05）、学生考试用时（B=-0.220，P<0.001）对期末总成绩有负向影响作用，模型中共线性统计量的方差膨胀系数（variance inflation factor，VIF）均小于10，各自变量之间不存在多重共线性，回归结果相对可靠。模型的误差项符合正态分布特征，模型的拟合效果相对较好，该模型的统计推断可靠性较高（图3）。女生的期末总分平均比男生低4.887分（95%CI：-8.291，-1.482），1班学生的期末总分平均比2班学生低3.512分（95%CI：-6.840，-0.184），考试用时每增加1 min，期末总分平均减少0.220分（95%CI：-0.328，-0.112），考试用时较短的学生可能表现更好。其他变量：识别次数（B=4.154，P=0.238）、识别异常次数（B=-5.480，P=0.159）、测试总分（B=0.378，P=0.060）、观看PPT总页数（B=0.003，P=0.903）、签到次数（B=1.324，P=0.578）、高/低参与度（B=-0.234，P=0.952）以及到课率（B=1.258，P=0.634）对期末总分的影响均未达到统计学显著性水平（表5）。

2.7 题目分析

本次考试共70道题目涵盖22个章节。整体得分率较高（平均得分率0.81），得分率≥0.9的题目占31.43%（22/70），主要集中基础概念或记忆性的题型。得分率0.6~0.9的题目占58.57%（41/70）。得分率<0.6的题目占10.00%（7/70），多为实践性较强或细节性题型。得分率较高（≥0.85）第一章绪论、第六章实验流行病学、第十一章传染病流行病学的题目。得分率较低（≤0.50）第十四章突发公共卫生事件、第十三章伤害流行病学、第二十五章结核病。“医院感染发生率”得分率最低（18.18%）反映学生对实际应用场景的理解较弱。

3 讨论

本研究通过“线上雨课堂+线下课堂+虚拟仿真实验+AI辅助”的多元教学模式，对预防医学专业学生的流行病学课程学习效果进行分析，结果显示学生期末考试总成绩平均分为（79.49±8.81）分，60分以下占2.72%，知识提升效果较好，提示混合式教学结合虚拟仿真与AI辅助的教学模式对学生平均成绩的提升产生了积极影响，为公共卫生专业的教学改革提供了参考与借鉴，后续流行病学课程需要进一步做好教学过程的跟踪管理，同时也需丰富授课形式，最大程度地调动学生参与互动的积极性，有效提高教学效率^［11］。虚拟仿真教学与实训教学模块、岗位任务相匹配，解决了传统教学痛点，有助于学生充分利用智慧环境及数字资源，通过模拟传染病疫情处置、公共卫生突发事件应对等复杂场景，开展自主性的反复训练，为学生提供了安全且可重复的实践机会，有助于理论知识向实践能力的转化，增强学生学习自信，启发学生主动体验、感知和反思，提升教学质量^［12］。此外，在课堂教学环节，教师可以借助人工智能开展教学工作，引导学生与人工智能对话，提升学生的流行病学课程学习的关键能力和必备品格，让学生在辨析过程中养成流行病学的批判性高阶思维，如同时向DeepSeek、豆包和KIMI等多个AI工具提问，在对多个人工智能软件生成的答案进行对比后发现，DeepSeek的解读在教学实践中较为深刻实用，豆包和KIMI的分析、含义的理解和归纳比较全面，那么在实操过程中，学生就可以在对比后借鉴使用^［13］。

本研究发现1班与2班的期末总成绩无统计学意义，但1班平时测试成绩高于2班。尽管两班采用相同的教学模式、授课教师及考核标准，但两个班平时测试成绩差异仍提示过程性评价可能受班级学习氛围、即时投入度等层面潜在因素的影响。而两班在期末综合考核中表现趋于一致，提示混合式教学在整体教学目标达成上具有稳定性。此外，男女生在期末总成绩和平时测试成绩中均未表现出差异，说明该教学模式对不同性别的学生均具有适用性，未产生明显的性别偏向。高参与度学生的期末总成绩与低参与度学生没有差异，平时测试成绩高参与度学生高于低参与度学生，提示课堂参与度对过程性知识的积累具有积极作用，而期末考试作为综合性评价，可能受更多影响因素如考前复习强度、知识综合应用能力等因素有关，高参与度并未提升期末成绩，可能与参与质量有关，学生可能被动签到而不是主动学习，未来可利用网络化工具、数字化内容及新媒体渠道等，将流行病学内容进行联系和构建，师生进行深度、密集的互动，学生能够从乏味、僵化的被动学习中摆脱出来，开展探索式、项目式、合作式学习^［14］。

研究结果显示：考试用时越短，成绩可能越高。这可能与知识掌握熟练度有关：对知识点掌握越扎实的学生，解题效率更高；反之，用时较长的学生可能在知识应用或审题环节存在障碍。此外，观看课件总页数与平时测试成绩呈正相关，提示线上课件的充分利用有助于强化平时知识的积累，但这种关联在期末总成绩中未出现，可能因期末考核更侧重综合应用而非单一章节知识点理解记忆，可能有些学生的形成性评价成绩虽高，但仅完成了学习过程，学习效果并不理想，未真正达到对知识的掌握^［15］。

本研究显示性别、班级、考试用时是期末总成绩的独立影响因素：女生期末成绩平均比1班男生高，性别差异可能与学习习惯有关，如女生更注重细节记忆。2班学生平均测试总成绩比1班高，班级差异可能源于教学过程中的细微差异如班级学风及小组互动质量。这与前文结果中1班平时测试成绩高于2班的情况不一致，结论有待进一步研究。考试用时的负向影响进一步印证了“熟练度与效率”的关联，提示教学中需加强解题技巧与时间管理能力的训练。但实践过程中，学生成绩并不是单一影响因素，如生源质量、学校学院制定的与授课和考试相关规章制度的修订、教师管理严厉的程度等均会影响到学生成绩，所以在进行成绩分析时应尽可能全面地综合考虑各种因素，尽量分析合理^［16］。值得注意的是，平时测试总分、观看总页数、签到次数等变量均未对期末成绩产生影响，可能因这些指标更多反映学习投入量，而成绩高低更取决于学习深度，如知识理解与应用能力。此外，识别次数、切屏行为等考试监测指标也未产生影响，说明学生在考试过程中表现出较好的诚信度，或此类行为对考试成绩的干扰较小。

基础概念类题目得分率较高，而实践性、细节性题目得分率较低，提示学生在对知识的理解及融会贯通的综合运用等方面的能力比较薄弱，教师需要在流行病学的教学过程中，加强诸如案例分析讨论类的训练，带领学生做前后知识点的贯通理解，并针对学习能力较弱的学生设计个性化学习^［17］，尽管引入了虚拟仿真实验，但学生对复杂场景的应用能力仍需加强。例如“医院感染发生率”得分率仅为18.18%，反映学生对实际工作场景中指标定义的理解不足，可能因虚拟仿真训练与理论知识的结合不够紧密，或缺乏针对性的案例解析。

本研究为单中心、较小样本研究，结果的外推性可能受限；其次，评价方式以笔试为主，难以全面反映学生的实践操作能力；此外，未对虚拟仿真实验、AI工具的单独效应进行分析，无法明确各教学环节的具体贡献。未来可通过以下方向优化教学：第一，强化虚拟仿真实验与理论知识的融合，增加案例复盘与情景模拟讨论，提升学生对实践题型的应对能力；第二，针对低得分知识点设计专题训练，结合AI工具推送个性化习题，聚焦于促进学生发展深入理解与高阶思维，且与课程学习目标紧密关联^［18］；第三，完善评价体系，纳入实践操作考核与过程性能力评估，全面反映教学效果，后续的研究将集中在形成性评价对学生达成学习成果促进作用的深层内部机理以及影响因素^［18］。

综上，混合式教学结合虚拟仿真与AI辅助在流行病学教学中具有较好的应用效果，这些措施为教学策略优化与学习效果提升提供了数据支撑，该教学改革为预防医学专业人才培养提供AI赋能的创新教学模式^［19］。但需针对实践能力薄弱环节进行优化，激发学生的创新精神和实践能力，努力培养公共卫生领域的流行病学专业人才^［20］。

参考文献

[1] 刘芬，杨兴华，张玲，等.高级流行病学在研究生教学中的改革研究［J］.卫生职业教育，2018，36（6）：5-6.

[2] 贝春华，何晓，曾怀才，等.后疫情时代流行病学课程建设的探索与实践［J］.卫生职业教育，2023，41（3）：22-25．

[3] SILVA H， STONIER P， CHOPRA P，et al ．Blended e-learning and certification for medicines development professionals：Results of a 7-year collaboration between King’s College，London and the GMDP Academy，New York［J］．Frontiers in Pharmacology，2024（15）：1417036．

[4] 莫兴波，张欢.雨课堂在流行病学课程中的应用效果评价［J］.中国继续医学教育，2023，15（22）：81-84.

[5] TIERI G， MORONE G， PAOLUCCI S，et al ．Virtual reality in cognitive and motor rehabilitation：Facts，fiction and fallacies［J］．Expert Review of Medical Devices，2018，15（2）：107-117．

[6] 张楠，刘寅.医学虚拟现实实验教学平台的建设和实践［J］.实验室科学，2020，23（3）：43-46．

[7] 王艳凤，赵国星，刘畅，等.生物安全三级实验室禽流感病毒分离培养虚拟仿真实验教学初探［J］.实验技术与管理，2020，37（9）：195-199．

[8] 袁志权，张耀，贾潇岳，等.传染病疫情暴发处置训练虚拟仿真教学课程的建设和实践［J］.现代预防医学，2021，48（13）：2461-2464.

[9] 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.

[10] 胡莹璐，林依臣，郭俊明，等 ．人工智能赋能生物化学与分子生物学案例教学的探索与实践［J］．生物化学与生物物理进展，2025，52（8）：2173-2184．

[11] 徐相蓉，王胜锋，张建荣，等.实战型公共卫生人才培养目标下混合式实践教学改革探讨［J］.中国公共卫生，2025，41（5）：636-640.

[12] 张云萍，马琼，丁晓霜，等.基于教学系统化设计模型的儿科护理虚实融合混合式实践教学改革［J］.护理研究，2025，39（5）：738-744.

[13] 刘大伟.生成式人工智能辅助教师教学的实践之道［J］.教学与管理，2025（20）：29-33.

[14] 王丽娜.互联网时代大学生思政课参与度的影响因素：评《互联网+时代背景下高校思政课程的教学模式探究》［J］.科技管理研究，2023，43（17）：266.

[15] 解博红，张国俊，孙爱平，等.混合式教学模式下影响学生学科成绩的因素分析：以医学免疫学课程为例［J］.中国免疫学杂志，2024，40（4）：828-831.

[16] 王雁伟，任亚娟，罗蕾，等.遗传学课程线上线下混合式教学提升探索与实践［J］.中国生物化学与分子生物学报，2025，41（7）：1076-1084.

[17] 高蔚，李海燕，程薇，等.不同专业中医本科生生理学期末试卷的数据分析［J］.中国中医药现代远程教育，2024，22（12）：185-188.

[18] 殷明 ．成果导向教学模式下的高职课程形成性评价研究［J］．职教论坛，2023（4）：52-59．

[19] 孙文文，张歆翊，王若桐，等.AI赋能空气理化检验课程教学应用［J］.医学教育研究与实践，2025，33（5）：682-687.

[20] 姚计海，张玥欣 ．考试成绩正态分布的误用及评价改进对策［J］．中国考试，2023（7）：76-83．

基金资助

广西高等教育本科教学改革工程项目(2025JGZ162)