Undergraduate nursing students' use and experiences of Large Language Models:A qualitative descriptive study
这项针对十五名本科护理专业学生的定性描述性研究表明，尽管学生们在实用层面利用大语言模型来提高学习效率，但他们在准确性和专业相关性方面面临着挑战，从而提出了对护理专用人工智能工具、伦理指南及素养培训的建议。
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。它不是由作者撰写或认可的。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，学习的世界就像一座巨大而繁忙的图书馆。几十年来，学生们一直利用传统的地图在图书馆中穿行：教科书、讲座以及提供链接列表的搜索引擎。但最近，一位新型图书管理员来到了这里：大语言模型（LLM）。不要把这些人工智能工具看作静态的书籍，而要将它们视为超级快速、健谈的伙伴——它们能在几秒钟内阅读数百万页的内容，然后用通俗易懂的英语向你解释复杂的概念，就像一位帮你准备考试的朋友一样。它们现在无处不在，从医学院到高中，承诺让学习变得更快、更容易。但这里有一个巨大的问题：如果你有一个超级聪明的机器人朋友帮你做作业，你到底是在学习，还是仅仅在抄袭？这就是研究人员试图解决的谜题，尤其是对于护理专业的学生而言。护理不仅仅是记忆事实；它关乎照顾病人、在紧急情况下做出快速决策，以及在情况出错时进行批判性思考。如果学生过度依赖这些人工智能朋友，他们是否会忘记如何独立思考？
本论文通过倾听 15 名经常使用这些人工智能工具的护理专业本科生的故事，深入探讨了这个问题。研究人员不仅询问“你是否使用它？”，还询问“使用它的感觉如何？”以及“当你依赖它时会发生什么？”。他们发现，这些学生正像精明的探险家一样使用人工智能。他们并不盲目接受人工智能所说的一切；而是将其视为一个虽然有用但有时并不靠谱的旅行指南。他们利用它来拆解晦涩的医学术语、练习与患者的对话，并整理学习笔记。这就像拥有了一位 24 小时全天候在线的导师，随时准备和你聊任何话题，从疾病机制到如何撰写实验报告。
然而，学生们也发现他们的 AI 向导存在严重的盲点。有时，人工智能给出的答案略有错误，或者使用过时的医学术语（例如，将“bed sore”称为“bedsore”，而不是现代术语），或者只是不太理解护理问题的具体情境。这就像是向 GPS 询问去医院的路，结果它把你带到了一条去年就已封路的路上。学生们还注意到，人工智能无法向他们展示医疗操作的视频或图片，这对于学习如何在医院里实际操作是非常重要的。此外，这些工具的最佳版本通常需要付费或复杂的设置，这为资金有限的学生制造了障碍。
这个故事中最有趣的部分是学生们如何看待学术诚信。他们并不困惑；他们心中有一条明确的分界线。他们认为利用人工智能来理解一个概念或润色一个句子是一种聪明的学习技巧，但逐字逐句地抄袭答案或在考试中使用它是违反学术标准的。不过，他们也担心，如果习惯了让人工智能承担繁重的任务，他们自身的认知参与度可能会下降。他们担心，如果过度依赖机器人，可能会丧失批判性思考的能力，或者失去护理病人所需的同理心。
学生们对未来有着明确的愿望清单。他们希望拥有专门为护理专业构建的人工智能工具，并配备最新的教科书和可以核实的真实来源。他们希望看到视频和图表，而不只是文字堆砌。最重要的是，他们希望学校能教导他们如何正确使用这些工具，以便让他们成为技术的主人，而不是被技术所支配。这项研究表明，虽然人工智能是一种能让学习更高效的强大工具，但护理院校需要制定明确的规则并开发更好的专业化工具，以确保学生保持敏锐、具备批判精神，并为照顾真实的病人做好准备。
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。