Facilitator-Mediated Versus AI-Mediated Problem-Based Learning in Pharmacology Education: A Quasi-Experimental Study Among Second Year Medical Students

在未来医生们学习技艺的教室里，教学方法长期以来一直是仔细辩论的主题。几十年来，医学教育者们已经从单纯的知识记忆转向了一种被称为“基于问题的学习”的学习方式。在这种方法中，学生不再是被动地坐在那里听讲师演讲；相反，他们聚集在小组中，去应对复杂的、现实世界的临床情景。他们必须通力合作，识别出自己哪些知识点尚不明确，寻找答案，并将这些新知识应用于解决问题。这一过程旨在培养批判性思维和团队协作能力，这些技能与掌握药物或疾病的名称同样重要。传统上，这些环节由被称为“引导者”的人类教师指导，他们负责提问、确保小组讨论不偏离主题，并确保每位学生都参与其中。然而，人工智能的迅速崛起为这个等式引入了一个新的变量。学生们现在可以利用强大的数字工具来即时总结信息、生成创意并回答问题。现代医学教育面临的问题是：这些数字助手能否取代人类向导，或者它们是否具有完全不同的用途。

最近在印度两所医学院进行的一项研究，旨在直接对比这两条路径。研究人员与150名正在学习药理学（即药物在体内如何作用的科学）的二年级医学生一起开展了工作。学生们被分为两组，在为期四周的时间内处理同一组临床问题。一组遵循传统路径，在人类引导者的指导下进行案例研究讨论。另一组则处理相同的临床问题，但使用人工智能工具来帮助他们寻找信息并构建思路，而没有人类教师引导讨论。其目标是观察哪种方法在考试成绩、批判性思维能力以及团队协作能力方面能产生更好的结果。

结果揭示了学习发生过程中的一个细微景象。当学生进行课前和课后测试时，两组都表现出了显著的进步。与人类教师一起学习的学生提高了分数，而使用人工智能的学生也以非常相似的幅度提高了分数。就获得的原始知识量而言，两种方法同样有效。然而，当研究人员深入观察学生在过程中的行为和思维方式时，情况发生了变化。由人类教师引导的小组在团队协作和批判性思维的特定领域表现得明显更好。他们在协作、响应反馈以及以结构化方式解决问题方面更为高效。使用人工智能的学生虽然在收集信息方面很成功，但在这些协作和分析技能方面的得分较低。人类引导的小组展示了更强的解释推理和分析所收集信息的能力，这表明教师的存在有助于学生以数字工具本身无法做到的方式来精炼他们的思维。

尽管学生们的表现存在差异，但他们对这次体验的满意度都很高。使用人工智能的学生报告称，他们能够获得更好的学习材料，并发现讨论在信息探索的容量方面更加高效。他们欣赏这项技术提供的速度和广度。然而，人类引导的小组则认为教师的存在对他们的学习至关重要。这种矛盾也体现在观察这项研究的教职员工的观点中。虽然许多教师意识到学生正在利用这些工具生成答案和制作演示文稿，但他们也对其中的风险表示了深切的担忧。主要的担忧在于，学生可能会过度依赖技术，从而可能绕过独立思考的艰辛过程，且使用这些工具可能会导致学术诚信问题。教职人员指出，虽然技术可以提升讨论的质量，但也可能削弱基于问题的学习的核心目标，即培养学生独立推理问题的能力。

研究结论认为，这两种方法都不是对方的完美替代品。人工智能是一种强大的资源，可以使学习变得更加便捷和高效，让学生能够快速收集海量信息。然而，它尚未能完全复制人类引导在培养深度批判性思维和有效团队协作方面的益处。最值得期待的前进路径似乎是一种混合模式。在这种模式下，人工智能的高效性和资源丰富性将与人类教师的指导和教导相结合。这种结合将允许学生利用技术来处理繁重的信息收集工作，同时依靠引导者来确保他们进行批判性思考、良好协作，并真正理解教材内容。这种策略可以提供两全其美的方案，既让医学生为技术无处不在的未来做好准备，又确保他们保留护理患者所需的必备人文技能。