AI赋能“人体寄生虫学”线上/线下混合式教学模式构建

Construction of an AI-enabled Online/Offline Blended Teaching Mode of “Human Parasitology”

摘要

人工智能（Artificial Intelligence，AI）作为引领新一轮科技革命的技术，正深刻重塑教育领域的教学、学习与机构运作模式。伴随医学教育的数字化转型浪潮，人工智能赋能教育已成为教育创新的核心标志，其中，智能教学、个性化学习与精准管理共同塑造了医学教育领域的新范式。教学团队深入分析AI在理论教学（知识图谱构建）、实验教学（虚拟仿真实践）、个性化学习及教学评估中的关键应用场景，构建了“AI技术赋能的线上线下混合式”教学方法，实践表明该教学方法展现出良好的应用成效与推广价值，为医学形态学课程数字化改革提供了实践模式。

Abstract

Artificial intelligence (AI), a transformative technological advancement, is reshaping the frameworks of teaching, learning, and institutional operations within the education sector. As medical education undergoes a digital transformation, AI-driven educational approaches have become a defining feature of contemporary innovation. Intelligent pedagogy, personalized learning pathways, and precise management practices now constitute the new paradigm of modern education. The teaching team has deeply analyzed the application of AI in theoretical instruction (knowledge graph construction), experimental teaching (virtual simulation), personalized learning, and assessment. Based on this analysis, an “AI-enabled blended online/offline” teaching mode was constructed. The results demonstrate that this instructional approach offers significant application effectiveness and good promotion value, providing practical mode for the digital reform of medical morphology course.

关键词

人工智能 / 人体寄生虫学 / 混合式教学 / 数据驱动评估

Key words

Artificial intelligence / Human Parasitology / Blended teaching / Data-driven assessment

在“健康中国2030”背景下，随着对高素质医学人才培养需求的提升，人体寄生虫学传统教学模式在形态可视化呈现、实践资源共享及能力评估等方面的局限性日益凸显。构建以人工智能（Artificial Intelligence，AI） 技术为核心，依托3D标本与虚拟现实（Virtual Reality， VR）/增强现实（Augmented Reality， AR）技术模拟实验操作场景、结合动态数据分析的精准化能力评估体系，为教学问题的解决提供了可行路径^［1-3］。桂林医科大学基础医学院寄生虫学教学团队前期已构建SBE（课前自学—课堂教学—课后拓展）线上线下混合式教学模式，优化学习效果评价体系并取得显著实践成效^［4］。在此基础上，针对形态学教学抽象、实践资源局限、能力评估单一等核心问题，进一步探索构建“AI技术赋能的线上线下混合式”新型教学模式，旨在通过“智能教学—个性化学习—精准管理”三位一体的教育创新，丰富医学教育与技术融合的理论体系，开发可推广的教学方案，为基础医学形态学课程改革提供参考。

1 现有教学现状

1.1 教学面临的困境

传统“人体寄生虫学”教学面临多方面的困境与局限。第一，当前教学存在课时有限、教学模式固化以及寄生虫标本短缺等问题，这些因素阻碍了学生对寄生虫动态生活史及致病过程的理解^［5］。第二，实践教学资源受限，新鲜标本获取困难，保存条件难以满足，导致部分罕见虫种或特定阶段的实体标本难以展示。此外，实验课程多以形态识别为主，缺乏与临床病例的结合，使学生难以建立理论与实际应用之间的联系。第三，教学内容与临床需求脱节，传统教材偏重经典虫种的形态描述，对新发现、再发寄生虫病及耐药性问题的关注不足，且未能融入如高通量测序技术、特殊免疫染色诊断及单克隆抗体诊断等前沿诊疗手段的知识，难以培养学生的临床思维和科研创新能力^［6］。第四，人体寄生虫学知识点琐碎，记忆负担重，传统的填鸭式教学容易导致学生学习兴趣不足。加之部分寄生虫病（如土源性蠕虫）在经济发达地区的发病率下降，使学生缺乏感性认知，进一步削弱了他们学习人体寄生虫学的动力，这也是教学面临的困境之一。

1.2 教师数字素养是AI技术应用的前提条件

数字素养是教师在智能化教学场景中的核心能力，其内涵不仅涵盖AI工具及教育平台的操作技能，更指向数字化环境下的综合素养体系，具体包括信息检索、教学资源整合、跨场景协作及数字安全防护等核心模块。其本质在于通过技术赋能破解教学痛点（如利用AI实现寄生虫形态直观化呈现），而非停留在单纯的工具操作层面，最终服务于学生临床实践与科研创新能力的培养，推动教学质量提升^［7］。现实挑战主要体现在三个方面：一是数字技术迭代迅速（如ChatGPT模型持续升级、教学平台功能动态更新），要求教师持续投入学习；二是一线教师因教学任务繁重难以系统研习，部分资深教师对技术价值存疑（如认为AI缺乏人工教学的细致性）；三是部分教师因操作顾虑将数字素养视为“额外负担”。这种素养短板直接制约AI技术优势的释放，而AI在形态直观化呈现、实验安全化模拟等方面的独特价值，恰好能针对性破解传统教学的痛点。

2 AI支撑人体寄生虫学教学的优势

AI技术的四大优势（教师素养、形态可视化、实验安全化、个性化评估）为教学模式的革新提供了坚实的技术支撑，有效破解了传统教学中形态学抽象、实践资源受限、能力评估静态等核心矛盾。具体实践路径如下。

2.1 教师素养

AI技术对教师素养的提升体现为能力重构与角色转型的双重突破：通过强化数字工具应用能力、信息整合能力与教学创新能力，教师可打破传统教学中资源固化与时空局限，实现从“经验驱动”向“数据驱动”的精准化教学转型。而系统化、分层化的培训与实践体系，则是保障教师数字素养持续进阶的核心支撑，为AI技术与医学教育的深度融合奠定基础。本教学团队以“培训赋能+实践淬炼”双路径推进教师素养提升：一方面，积极参与AI教学能力提升培训，系统掌握智能教学平台操作、学习数据分析等核心技能；另一方面，以赛促教、以研促学，积极投身校级及自治区级教学信息化竞赛、AI教学创新课题研究，推动技术与教学深度融合，形成“实践—反思—提升”的素养发展闭环，有效强化教师在数字化转型中的主体能动性与创新引领力。

2.2 微观形态可视化

AI技术通过以下具体方式显著提高学生的学习效率。①3D模型构建：利用豆包、灵犀等AI工具生成高精度的寄生虫模型，克服传统图片的平面化局限。②动态过程模拟：结合动画渲染技术，生动演示寄生虫的发育阶段（如疟原虫在红细胞内的裂体增殖过程、日本血吸虫童虫在人体内的移行途径等），将静态知识点转化为可交互的动态场景，可直观观察寄生虫形态变化和生命活动规律，使抽象的发育阶段变得具体可感。③图像对比标注：将AI生成的图像与显微镜下的图像进行比对，精准标注关键结构，如血吸虫卵内毛蚴、绦虫卵胚膜层等，帮助学生建立形态学特征与临床诊断的逻辑联系，并结合致病机理推导诊断依据，强化形态鉴别能力与临床思维的有机融合。

2.3 高危实验安全化

虚拟仿真实验将高危操作转化为安全的数字化体验，如血吸虫尾蚴感染系统模拟微观动态过程，通过交互界面观察寄生虫生命周期，无须接触活体样本或生物危害材料，从根本上消除实验感染风险。同时，人工智能生成的标准化教学资源，如动态虫卵标本库、感染路径动画以及英语课件动画音频资料，能够通过云端平台实现跨地域共享。这不仅突破了实验室设备和样本保存条件的限制，还使得偏远地区或资源匮乏院校的学生能够开展“沉浸式”实验训练，从而扩展实验教学范围。在学习通平台AI工作台或ChatGPT生成的练习题和临床病例分析能够有效帮助学生巩固知识，增强学习效果，促进学生对医学知识的深入理解和应用。AI技术推动人体寄生虫学教学从“高危小众”向“安全普惠”转型。

2.4 个性化学习与动态评估

AI赋能实现全教学流程重构，显著提升学生学习主动性、临床思维及科研创新能力。例如广西中医药大学人体寄生虫学教学团队依托该校“中（壮）医药虚拟仿真实验教学中心”，在实验课引入虚拟仿真实验，开设基础性实验（各种寄生虫检查方法与形态结构特征类实验）、综合性实验（实验诊断方法类实验）和研究型实验（建立寄生虫动物模型的技术与方法类实验），学生可模拟“虫卵采样—镜检—诊断”全流程，解决传统实验标本静态、操作风险高等问题^［8］。广西医科大学寄生虫学教学团队则在保证科学性的基础上，结合寄生虫感染方式的趣味性与生活性升级教学内容，打造线上/线下混合式数字化教学模式，以在线课程为核心，融合虚拟仿真实验、数字切片、思政案例库及知识图谱等资源，提升学生个性化学习体验^［9］。AI系统能够依据学生的学习进度与兴趣，通过智能导学功能推荐个性化学习路径及学科前沿论文，推动学习从被动接受转向主动探究，进而强化医学知识的综合运用与自主学习能力^［10］。AI分析班级整体学习数据，识别出共性薄弱知识点（例如，某班级对“疟原虫红内期形态及发热机理”掌握不足），自动推荐针对性微课与虚拟仿真练习，并提示教师优化教学策略；还能处理实验报告、讨论发言等数据评估学生科学思维能力（如逻辑推理、实验设计合理性），依托知识图谱与学习行为分析构建“诊断—推送—反馈”闭环（如智能错题归因、靶向知识点补强），推动教学评估从静态向动态优化转型，提高教学目标达成率，为医学人文素养养成、寄生虫病防控社会责任教育等课程思政点提供数据载体。这种技术融合不仅革新单一教学环节，更推动“理论—实践—评估”全链条模式创新，实现教学策略优化^［11］。

3 临床思维培养

AI技术整合寄生虫病临床病例数据库，构建“病例—知识点”关联模型，使学生在模拟诊断场景中能够根据寄生虫病症状（如基于症状和流行病学史推导病原体）及实验室检查数据（如血涂片、分子生物学结果），通过临床案例智能整合与诊断模拟，强化理论与临床的衔接。例如在超星AI工作台中输入问题“请分析哪些寄生虫感染引起嗜酸性粒细胞增多的临床病例？”医学临床思维训练助手根据输入内容生成病例，模拟问诊过程并提出“你的行动是什么？”的问题。同时，结合AI生成的地理分布图和虫体形态比对工具，逐步排查旋毛虫、广州管圆线虫等可能的病因，从而弥补传统教学中理论与临床脱节的不足。此外，将AI技术应用于寄生虫病传播媒介和寄生虫中间宿主的智能识别过程，减少了因经验不足等人为因素对传播媒介与中间宿主调查结果的影响^［12］。在“人体寄生虫学”课程中，AI能够将前导课和后续课程内容融会贯通，并在教学过程中将课程内容与科研前沿结合，拓宽学生知识视野，达到综合知识并培养临床思维的效果。本教研室录制的微课在超星学习通平台运行，学生通过AI工作台搜索的内容更贴近课程知识点。超星学习通AI工作台通过五大功能区（AI助手、AI应用、AI实践、AI智能体和AI学情分析）实现赋能教学。

4 AI赋能人体寄生虫学教学模式革新

借助AI技术重构人体寄生虫学教学模式，推动了从“教师主导”到“人机协同”的转变。如广西医科大学的“虫族入侵——人体寄生虫学”课程引入“AI工作台”，集成智能教案生成、视频内容深度理解等工具，教师可快速整合全国院校同步学习数据动态优化教学内容，课程团队通过超星泛亚智慧课程平台将地方寄生虫病流行特色与国家级一流课程资源结合形成个性化教案。而桂林医科大学寄生虫学教学团队着力打造适合本校学生的AI教学模式，开发“基于临床医疗与疾病防控的输入性疟疾虚拟仿真实验”中英文版虚拟仿真实验项目，以提升留学生实验课的满意度，以知识点（包括形态、生活史、致病机制及临床表现、病原学诊断、流行与防治）为核心构建课程知识图谱并关联教学资源与试题库，统计学生各项考核成绩并提供实时动态反馈，助力并调整学生个性化的自主学习，通过增加学习量，提升学习的广度和深度，有效提高课程期末综合成绩。自2021年起改革课程评价模式后临床本科专业学生不及格率明显下降，本课程总成绩平均分数为85分，不及格率明显降低，60~69分数段占比缩小，学生成绩分数呈现70~89之间为高峰，成绩分布呈现正态曲线。部分学生对课程反馈显示在寄生虫病“防大于治”践行方面有较深刻的思考。虚拟仿真实验提升学生对疟疾临床及实验诊疗的操作兴趣，依托AI提交“人机协同”实验报告（AI生成初稿+人工修正分析）并在案例处理原则中提出个人观点，有效提高临床思维能力。另外在留学生实验教学中利用AI将PPT转为动态视频加入音频，课程重难点优质微视频（如疟原虫学习PPT中插入动态绘画讲解的疟原虫生活史及致病机制）有利于理解并在课堂展开讨论，增加课堂趣味性引起学生的学习兴趣。

然而，AI在支撑医学课程教学中虽有上述优势，但也面临建模精度不足（如虫卵超微结构失真）、虚拟仿真实验反馈有限（难以替代教师对操作细节的指导）、全球病例数据更新滞后及伦理风险（如学生过度依赖AI标准答案）等挑战。本校AI应用教学尚处于起始阶段，教学团队需持续学习AI技术，提升自身AI应用能力，转变教学理念，形成适合本校学生的AI赋能教学模式仍需多方助力。

5 讨论

AI赋能人体寄生虫学教学改革，在革新教学模式和理念的同时，面临着技术应用与学科特性交织的多重挑战。具体表现为：寄生虫微观形态和复杂生活史的动态模拟对AI建模精度要求极高，易导致形态失真或生活史阶段遗漏；虚拟仿真实验虽能解决高危操作风险，但AI对操作规范性的反馈受限于计算机视觉技术的成熟度，难以评估临床思维细节；部分院校因硬件限制无法实现“沉浸式操作”；寄生虫病流行的地域疾病谱差异化使AI案例库需实时整合全球流行病学数据，而现有系统存在数据抓取滞后问题；此外，AI过度介入可能导致师生情感连接弱化及学生批判性思维与形态鉴别能力退化。

针对这些挑战，未来应通过多模态学习技术构建“微观形态—生活史—临床病例”三位一体的教学体系。借助AR/VR技术，融合3D技术，实现“沉浸式观察+交互式操作”。在全健康理念下，构建以学生为中心的智慧学习环境，优化教学管理，构建教师与学生双向联结、协同驱动的智慧教学体系，提升学生“学用合一、科研融合、知行合一”综合素质。此举实现了学科知识拓展、临床应用能力提升、医学人文素养培养三者的深度融合。最终，以“人机协同”为核心，坚守教育本质，实现精准化教学、场景化实践与全球化资源共享的有机统一。

同时，对接医学教育担负为党育人、为国育才的历史使命^［13］和《加强医教协同实施卓越医生教育培养计划2.0的意见》中关于全面加强德医双修的素质能力培养要求，将德育作为医学人才培养的首要内容，将思想政治教育和职业素养教育贯穿教育教学全过程^［14］。立足地域特色，打破学科壁垒，以广博的学术视角、深厚的学术积累以及开阔的问题意识为基础^［15］，以职业素养和岗位胜任力为主线，培养具有创新思维、集理论知识和实践技能于一身的复合型卓越医学人才。

6 结语

AI赋能人体寄生虫学教学，是技术革新与医学教育深度融合的有益探索，其发展需要在“技术可能性”与“学科必要性”之间实现动态平衡。以重构教学场景、优化资源配置、强化能力培养为目标，构建“以学生为中心、以能力为本位”的智慧教学体系，为后续“人机协同”教学模式的优化奠定了坚实基础。随者“健康中国2030”规划纲要及国务院办公厅关于医学教育改革与发展指导意见的推广和落实，医学教育正逐步从传统的“知识传授”模式转向“临床思维与科研创新能力培养”的新模式，旨在满足未来社会对高素质医学人才的迫切需求。

参考文献

[1] 江哲涵，奉世聪，王维民 ．人工智能生成内容在医学教育中的应用、挑战与展望［J］．中国教育信息化，2024，30（8）：29-40．

[2] 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．

[3] 邵伟，陶芸，王维，等 ．新医科建设背景下人体寄生虫学教学改革策略研究［J］．齐齐哈尔医学院学报，2021，42（20）：1816-1820．

[4] 曹得萍，李大宇，陈根，等 ．新医科背景下人体寄生虫学SBE混合式教学设计与实践［J］．中国高等医学教育，2024（10）：69-70．

[5] 李江艳，杨小迪，常雪莲，等 ．人体寄生虫学实验教学的问题与对策探讨［J］．基础医学教育，2016，18（10）：806-807．

[6] 吴忠道，吕志跃，吴瑜，等 ．推进课程思政建设、迎接“AI+教育”机遇，发挥人体寄生虫学课程在高质量医学人才培养中的独特作用：第十六届全国人体寄生虫学教学改革与课程建设研讨会纪要［J］．基础医学教育，2023，25（8）：745．

[7] 周艺彪 ．人工智能在寄生虫病和寄生虫学领域的应用［J］．中国血吸虫病防治杂志，2024，36（6）：551-554．

[8] 陈海英，阮子芸，李健，等 ．虚拟仿真实验在人体寄生虫学实验教学中的应用［J］．广西中医药大学学报，2022，25（6）：74-77．

[9] 战廷正，何姗姗，刘登宇 ．“一中心二驱动三目标四融合”的“人体寄生虫学”课程教学改革［J］．教育教学论坛，2023（46）：85-88．

[10] 陈辉莹，丁莹莹，董昊炜，等 ．人工智能在医学寄生虫学实验教学中的应用探讨［J］．基础医学教育，2025，27（4）：337-340．

[11] 唐珊，郭彩云 ．教育数字化视域下医学院校思政课程转型探究［J］．医学教育研究与实践，2025，33（2）：212-217．

[12] 高风华 ．基于5种机器学习模型的安徽省钉螺扩散面积预测研究［J］．中国血吸虫病防治杂志（中英文），2024，36（6）：572-576．

[13] 何珂，汪玲 ．健康中国背景下 “新医科” 发展战略研究［J］．中国工程科学，2019，21（2）：98-102．

[14] 教育部，国家卫生健康委员会，国家中医药管理局 ．教育部 国家卫生健康委员会 国家中医药管理局关于加强医教协同实施卓越医生教育培养计划2.0的意见［J］．中华人民共和国教育部公报，2018（10）：16-19．

[15] 冯果 ．新理念与法学教育创新［J］．中国大学教学，2019（10）：32-36．

基金资助

广西研究生教育创新计划项目(JGY2021133)

2021年度桂林医科大学教育教学研究与改革“课程思政”专项项目(JGZ202105)