← 最新论文
📄 medicine

Beyond Socratic Questioning: Designing GenAI-mediated Metacognitive Scaffolding for Clinical Reasoning in Medical Education

本研究通过基于设计的研究表明,有效的生成式人工智能介导的临床推理元认知支架需要能够整合情境并保留学生自主性的自适应、按需支持,这为固定的提醒或失衡的苏格拉底式提问提供了一种更优的替代方案。

原作者: Naping Chen, Xiaoyu Zhao, Luzhen Tang, Mengyu Xia, Zijian Li, Jiaqi Xu, Xinyu Li, Mingxue Xu, Liping Lv, Oudong Xia, Changmin Lin, Ligia Maria Cayres Ribeiro, Marco Antonio de Carvalho Filho, Dragan G
发布于 2026-08-03
📖 1 分钟阅读☕ 轻松阅读

原作者: Naping Chen, Xiaoyu Zhao, Luzhen Tang, Mengyu Xia, Zijian Li, Jiaqi Xu, Xinyu Li, Mingxue Xu, Liping Lv, Oudong Xia, Changmin Lin, Ligia Maria Cayres Ribeiro, Marco Antonio de Carvalho Filho, Dragan Gašević, Danijela Gasevic, Yizhou Fan

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

想象一下你正在学习开车。你拥有驾驶手册,了解交通规则,并且持有驾照。但开车不仅仅是了解规则,还在于感知何时该刹车、何时该转向,以及意识到:“等等,我刚才没检查那个盲区。”在医学领域,这种“感知”被称为临床推理。这是医生为了弄清楚患者出了什么问题而进行的思维舞动,而此时拼图往往还缺少一些碎片。为了练好这场舞蹈,学生需要练习元认知。把元认知想象成一个“关于思考的思考”的仪表盘。它是内在的声音,在问:“我是不是漏掉了什么?”或者“我目前的猜测真的合理吗?”

长期以来,教师们一直试图帮助学生建立这个仪表盘,使用的是苏格拉底式提问——这是一种通过一系列启发性的问题来引导学生得出答案,而不是直接给出答案的方法。这就像一名驾驶教练说:“你为什么在那里减速了?”而不是直接替你踩刹车。但问题在于:在真实的医疗紧急情况下,老师并不总能出现在那里,并在完美的时机提出完美的问题。于是,**生成式人工智能(GenAI)**登场了。这是一个全新的、超级聪明的数字助手,它能够交谈、写作和聊天。研究人员提出的核心问题是:我们能否利用这种人工智能,不仅是让它提供答案,而是让它充当那位完美的驾驶教练,帮助学生实时构建自己的“思维仪表盘”?

这篇论文讲述了一支研究团队尝试构建这样一个系统的故事:一个由生成式人工智能驱动的导师,旨在帮助医学生提高临床推理能力。他们并没有凭空猜测如何实现,而是通过三个轮次的“设计、测试、修正、重复”的过程,就像游戏开发者通过修补游戏来使其不再令人沮丧且更加有趣一样。

在第一轮中,他们尝试了一个固定回合触发式系统。想象一下一个GPS,无论你在做什么,它都会每隔20分钟响一次。AI会弹出一个预设的问题,比如:“到目前为止你学到了什么?”学生发现这作为一个简单的提醒很有用,但感觉有些僵化。这就像是一个机器人在你正在思考其他事情时拍了拍你的肩膀。学生说这感觉更像是一个清单提醒,而不是一场真正的对话,而且它并不能阻止他们犯下同样的错误。

因此,在第二轮中,他们转向了苏格拉底式提问。这就像是将GPS升级为一个爱聊天的副驾驶,它会问:“嘿,你为什么认为那个症状符合这种疾病?”以及“如果它是别的什么病呢?”这种方式在引导学生进行深度思考方面效果要好得多。然而,学生们开始感到不堪重负。AI不断地提出一个又一个问题,有时感觉像是一场无休止的审讯,或者是在对他们已经掌握的知识进行随堂测验。这就像是一个不停说话的副驾驶,让学生感觉自己是在接受测试,而不是在获得支持。他们觉得AI正逐渐偏离“帮助解决谜题”的目标,转而变成了单纯地考查他们的教科书定义。

最后,在第三轮也是最成功的轮次中,他们设计了一个自适应按需调用系统。这一次,他们把方向盘交给了学生。AI仍然准备好了用于提供帮助的智能“菜单”,但学生可以自主选择何时请求帮助以及需要哪种类型的帮助。这就像拥有一个超级聪明的副驾驶,它会静静地坐着,直到你按下按钮说:“我卡住了,”或者“我需要第二意见。”当学生提出请求时,AI会利用他们目前收集到的所有信息,提供一次量身定制的高密度引导。

最终设计的成果是令人振奋的。学生们感到更有掌控感,压力也更小。他们报告说,AI帮助他们看到了自己的盲点,而没有让他们感到被严厉审问。这种支持是“平衡的”,这意味着它在帮助他们规划下一步行动的同时,也同样在帮助他们评估当前的猜测。研究人员发现,成功的关键不在于拥有一个聪明的AI,而在于设计出让学生保持主动决策地位的系统。

然而,论文谨慎地指出,这并不是解决一切的魔杖。学生们仍然觉得有时AI一次性提出的问题太多了,并且他们需要更明确的“停止”信号,以便在探索充分后结束。研究人员建议,虽然这种方法在帮助学生学习如何像医生一样思考方面展现出了巨大潜力,但它仍处于开发阶段。他们强调,目标不是让AI代替学生去思考,而是创造一个安全的空间,让学生可以在这个空间里练习解决问题的艰辛过程,同时有一个聪明的、耐心的向导在需要时随时待命。这项研究表明,对于人工智能要在医学院真正发挥作用,它的设计不仅要足够聪明,还要具备足够的灵活性,让学生来掌控驾驶。

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。

试用 Digest →