Readiness of Medical Students to Use Artificial Intelligence in Medical Education: A Cross-sectional Study
这项针对伊兹密尔卡蒂普切莱大学225名医学生的横断面研究表明，学生们在医学教育中使用人工智能的准备程度处于中等水平，其特征是持有中性至积极的态度，并且在增强认知、技能、预见性和伦理能力方面存在显著的结构化培训需求。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，医学世界就像一艘巨大的、高科技的宇宙飞船。几十年来，机组人员（医生）一直在通过星辰和图表进行航行。但现在，一个名为**人工智能（AI）**的新型超级智能自动驾驶系统正在安装中。大问题不仅是“这个自动驾驶系统酷不酷？”，而是“机组人员是否准备好与之共同飞行了？”
土耳其伊兹密尔卡蒂普切莱大学（İzmir Kâtip Çelebi University）的一个研究小组决定检查一下机组人员的准备情况。他们并没有仅仅询问“你喜欢机器人吗？”，而是给225名医学生进行了一项特殊的“准备度测试”，以观察他们对这个自动驾驶系统的理解程度、使用该系统的能力、是否能预见未来的潜在故障，以及是否了解交通规则（伦理）。
以下是测试揭示的内容，去除了专业术语：
大局观：“我们正处于学习曲线的中段”
学生们并没有失败，但也还没有达到可以独立驾驶的程度。他们的整体准备度为中等。把它想象成一群青少年，他们已经看了上千个关于如何驾驶赛车的视频，并且能谈论发动机的技术参数，但他们还没有真正让赛车在赛道上跑完完整的一圈。
研究人员使用了一个分数越高代表准备度越好的量表，测量了四个特定的“技能”：
- 掌握术语（认知）： 平均分是 25.23（总分为 40）。学生们知道这些术语的意思，但还不是专家。
- 使用工具（技能）： 平均分是 28.65（总分为 40）。他们觉得自己在选择合适的工具完成任务方面感觉还可以，但还没达到掌控控制台的高手水平。
- 预见未来（洞察力）： 平均分是 10.17（总分为 15）。他们可以猜测技术的走向，但并不能带着十足的信心进行“水晶球式”的预判。
- 遵守规则（伦理）： 平均分是 10.31（总分为 15）。他们知道必须谨慎对待患者数据和隐私，但仍有进步空间。
令人惊讶之处：谁了解什么？
研究人员寻找学生之间的差异，比如检查年长、更有经验的学生是否比新招募的学员更擅长驾驶。
性别差异：
这是他们发现的唯一真正的差异。男学生在“掌握术语”部分的得分明显更高（男性为 26.30，女性为 24.30）。论文指出，这可能是因为男孩在进入医学院之前，通常接受了更多的计算机或编程方面的早期接触。然而，在实际使用工具、预见未来或遵守规则方面，男生和女生的表现完全一致。
“经验”的迷思：
你可能会认为，一名六年级医学生（接近成为医生）会比一年级学生更了解 AI。论文否定了这一点。 所有年级的学生得分几乎完全相同。无论是大一新生还是高年级学生，他们的准备度水平都是一样的。
为什么会这样？作者认为，由于 AI 是如此之新的事物，所有人都是从零开始的。即使是高年级学生，他们在接受教育时，AI 尚未成为日常生活的核心部分，因此他们的准备度与新生并无二致。医院里的“经验”尚未转化为对 AI 的“经验”，因为学校的课程体系还没有完全跟上步伐。
学生们到底是怎么说的
当研究人员拆解具体问题的答案时，出现了一种模式：
- “我能做到”的感觉： 当被问及是否能解释 AI 概念或使用这些工具时，大多数学生选择了“不确定”或“同意”。极少有人说“强烈反对”。
- “我不确定”地带： 很大一部分学生（约 30% 到 40%）处于中间地带，表示他们不太确定自己是否能够分析数据或向患者解释这项技术。
- “强烈同意”地带： 学生们在重视 AI 用于研究和教育，以及通过它获取信息方面表现得最有信心。他们喜欢这个工具的想法，即便他们还不确定自己能否完美地驾驭它。
论文中明确表示“并非如此”的内容
了解这项研究没有发现什么非常重要。
- 它并未发现高年级学生天生更擅长 AI。论文明确显示，学习年限对准备度得分没有影响。
- 它并未发现学生是“专家”。得分是中等的，而非高水平。
- 它并未证明一种性别在使用 AI 方面更好，仅表明男性在了解相关术语方面更多。
底线结论：学校需要升级教学大纲
研究人员得出结论，学生们就像是一群读过飞船手册但还没接受过飞行模拟器训练的人。他们有着积极的态度和基础的理解，但他们需要更多的练习。
论文建议，医学院不应仅仅停留在“谈论”AI，而应开始真正教学生如何在真实的医疗场景中使用它，包括那些棘手的伦理部分。直到课程体系发生改变，今天的医学生在进入未来时，虽然会被期望驾驶这种新的自动驾驶系统，但他们可能仍在寻找那本“使用指南”。
我们的确定性有多高？
作者对他们测量的分数非常有信心（数字是精确的：25.23，28.65 等）。他们确信男女生在“知识”类别中的差异是真实存在的。然而，他们承认无法确定为什么所有年龄组的分数都相同，只能根据观察提出可能的理由。他们还指出，由于研究仅针对一所大学，这些结果在世界范围内可能并不完全一致，但它们清晰地展示了现状。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。