Generative Artificial Intelligence in Laboratory-Based Health Sciences Education: A Scoping Review of an Emerging Evidence Base
这项针对九项近期研究的范围综述表明，虽然生成式人工智能在基于实验室的健康科学教育中主要增强了效率并支持了个体探究与获取活动，但其整合目前受到证据基础薄弱、事实错误风险以及显著缺乏协作应用等因素的限制，强调了进一步开展比较研究和专家监督的必要性。
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，健康科学的世界就像一个巨大的、高风险的厨房，这里的厨师不仅是在烹饪食物，更是在烹饪那些告诉医生如何拯救生命的数据。在这个厨房里，有一些特殊的专家，被称为医学检验科学专家。他们负责接收血液、组织和其他样本，通过复杂的机器进行处理，并解读结果。如果他们把数字弄错了，医生可能会开错药。这是一份既需要动手能力（比如处理微小的试管），又需要脑力（比如发现图表中的异常模式）的工作。
最近，一种新型的“超级智能助手”闯入了这个厨房。它被称为生成式人工智能（Generative AI）。把它想象成一个可以编写食谱、解释烹饪技巧，甚至能在几秒钟内起草整份菜单的机器人厨师。它基于大语言模型（Large Language Models），这些模型本质上是读过了互联网上几乎所有内容的计算机，并学会了预测下一个词应该是什么。大家都在问一个大问题：这个机器人厨师真的能帮助培训下一代真正的真人厨师吗？还是它只会端出看起来美味但有毒的食物？我们知道它很擅长写论文或编写代码，但在一个微小的错误就可能导致危险的领域，我们需要知道让它进入教室是否安全。
这篇论文是一部寻找答案的侦探故事。作者基兰·扎希德（Kiran Zahid）并没有凭空猜测；他进行了一场数字搜寻，寻找所有在 2024 年至 2026 年间发表的、讨论在实验室科学教育中使用这种 AI 机器人的研究。他查阅了三个巨大的研究库（PubMed、Scopus 和 ERIC），并精准找到了九项符合规则的研究。与人工智能在护理或普通医学领域的庞大研究量相比，这只是一个小小的证据堆，但这是第一次有人尝试绘制这个特定领域的地图。
以下是侦探的发现：证据非常新，而且规模很小。在九项研究中，大多数是关于病理学（疾病的研究）或一般的生物医学科学。令人惊讶的是，实际的“医学检验科学”项目——即那些培训运行实验室的人员的项目——几乎没被提及，只有一项研究关注了它们。此外，像分子诊断（观察 DNA 和基因）这样超先进的内容几乎完全被忽略了。
研究显示，教师们主要是在利用 AI 来帮他们做作业：编写讲座大纲、编造测验题目以及起草课程材料。这就像是在课程开始之前，机器人正在帮助老师编写菜单。对于学生而言，AI 主要用于“获取”（阅读和学习事实）或“探究”（提问）。但奇怪的是：没有人将其用于“讨论”或“协作”。尽管真实的实验室工作完全是关于团队成员之间的交流，但目前的 AI 主要是帮助学生独自学习。
最大的发现是研究结果中的“双重人格”。一方面，大家都一致认为 AI 是一个极佳的省时工具。它能帮助教师更快地起草内容，并帮助学生在遇到写作瓶颈时摆脱困境。另一方面，大家都一致认为 AI 是一个拙劣的骗子。报告中最常见的问题是“幻觉”（hallucination），即 AI 会自信地捏造事实、发明虚假的参考文献或给出错误的数字。在实验室里，如果 AI 说某种化学水平是安全的，而实际上它却很危险，那将是一场灾难。研究发现，AI 在处理实验室工作的具体技术细节方面表现尤其糟糕，比如不知道血液检测的确切参考范围，或无法解读复杂的图像。
因此，研究建议了一种聪明的变通方法。与其试图阻止学生使用 AI，不如说三组不同的研究人员独立提出了同一个想法：将 AI 的错误作为教学工具。他们给学生提供包含微妙错误的 AI 生成文章或案例研究，并要求学生找出并修正这些错误。这就像是一个“找不同”的游戏，但其中的差异是关乎生死的医疗错误。这把机器人的最大弱点——倾向于撒谎——转化成了它作为老师的最大优势。
然而，这篇论文非常明确地指出了它所不知道的内容。作者并没有发现任何证据证明使用这种 AI 真的能让学生变得更聪明或在工作中表现得更好。目前还没有大规模的研究来对比使用 AI 的学生与不使用 AI 的学生。这些证据大多是描述性的，也就是说，它们告诉我们人们在尝试做什么，而不是是否有效。论文结论指出，虽然这项技术已经来了，但我们不能盲目信任它。目前的教训是，学生需要学会成为侦探，对照真相来检查机器人的工作，因为在实验室里，如果仅仅依靠一个自信满满的机器人而没有人类专家进行复核，那就是在为麻烦埋下伏笔。
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。