“It’s Like Having a Second Instructor”: A Descriptive Qualitative Study on Nursing Students’ Perceptions of Human-AI Collaboration in Generative Learning Analytics
这项针对15名中国护理专业学生的描述性定性研究表明，尽管他们将生成式人工智能视为提升临床推理能力的个性化“教学助手”，但最终仍认为人类教师在情感支持、伦理判断和情境决策方面是不可替代的，并倡导一种由人工智能处理数据、教师引导人文维度的协作模式。
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
护理教育正处于一个十字路口，两个强大的力量在此交汇：古老的仁爱艺术与人工智能的飞速崛起。几个世纪以来，培养一名护士一直依赖于学生与教师之间深厚的个人纽带，这种关系建立在共同的经历、情感支持以及教科书无法捕捉的微妙判断力的传递之上。然而今天，新的数字工具正在进入课堂。这些不仅仅是简单的计算器或数据库；它们是能够分析学生学习习惯、实时发现错误并提供个性化反馈的生成式系统。这种转变引发了一个关于医疗未来发展的根本问题：机器是否真的能理解医学的人文面，还是它面临着取代那些让护士成为治愈者的导师精神的风险？研究人员现在正在探讨，这些工具究竟是作为有益的伙伴，还是可能会在无意中使学生远离定义其职业的人际连接。
中国哈尔滨医科大学的一个研究小组通过直接倾听学生的声音，试图探索这种紧张关系。他们对十五名正在使用这些人工智能工具学习临床推理（即弄清患者出了什么问题并决定如何治疗的复杂过程）的护理本科生进行了一系列深入访谈。研究人员不仅仅是询问学生是否喜欢这项技术；他们想要了解学生内心世界的感受。他们询问了当算法指出他们的错误时，学生的感受如何；他们是否更信任机器的建议而非自己的判断；以及他们如何想象在这一新环境下人类教师角色的变化。这项发表于2026年9月的研究揭示了一个细致入微的图景：学生们拥抱技术的效率，但仍强烈地守护着那些无法被编码的人文元素。
学生们将与这些人工智能工具的初次接触描述为兴奋与惊讶的交织。许多人发现，该系统识别知识漏洞的速度和精准度比标准答案解析要快得多。一名学生将这种体验比作有一位全神贯注的导师，注视着他们的每一步，并能立即指出他们在哪里遇到了困难。然而，这种最初的新鲜感很快就转化为对机器能力边界的理性认知。学生们并不认为人工智能是教授的替代品。相反，他们一致将其描述为“助教”。它是一个帮助组织信息并推荐资源的工具，但它缺乏理解学生情感或应对复杂临床情境的能力。虽然一些已经习惯数字工具的高年级学生适应得很快，但低年级学生有时会对数据图表感到不知所措，需要时间来学习如何解读反馈。
随着学生继续使用这些工具，他们注意到学习方式发生了变化。人工智能为他们的学习提供了一条清晰且个性化的路径，根据他们过去的错误推荐特定的练习。这种定制化的方法让他们感到更有能力，也更有动力去掌控自己的学习。他们开始更自信地提出问题，因为手中掌握着能准确显示其需求所在的数据。然而，这种效率伴随着一个前提条件。学生们指出，虽然人工智能快速且客观，但感觉很冰冷。它可以纠正错误，却无法提供一句鼓励的话语，也无法理解漫长学习日后的挫败感。反馈是准确的，但缺乏人类教师所提供的温暖与情感共鸣。这种差距让学生们得出了一个明确的结论：机器可以处理数据，但老师必须处理心灵。
这一认识重塑了学生对导师关系的看法。学生们并不担心人工智能会让教师变得多余，反而觉得这项技术凸显了人类指导不可替代的价值。他们描述了一种新的动态关系：人工智能负责标记问题，而教师则介入其中，解释问题背后的“为什么”，并通过分享自身的临床经验来赋予课程生命力。学生们表达了强烈的愿望，希望他们的老师能成为这个数字世界中的向导，帮助他们判断何时该信任人工智能，何时该质疑人工智能。他们希望老师能教导他们如何识别机器逻辑中的错误，以及如何应对算法无法解决的伦理复杂性。
研究发现，信任并非一个简单的“是或否”的问题。学生们形成了一套依赖技术的复杂策略。对于事实性的问题，例如计算药物剂量或回忆医学定义，他们愿意信任人工智能，因为机器很少在简单的算术上出错。然而，涉及到判断患者的情绪状态、做出伦型决策或解读复杂的临床情境时，他们会立即转向人类教师寻求确认。他们将人工智能的建议视为一个起点，一份需要由人类专家进行审查和验证的草稿。这种谨慎的态度也延伸到了他们对隐私的担忧。许多学生对自己的学习习惯、观看视频的时间以及作业错误被持续记录和分析感到不安。他们担心谁能看到这些数据，以及这些数据是否会被滥用，从而产生一种被监视而非被支持的感觉。
研究人员总结认为，护理教育理想的未来不是在人类与机器之间做选择，而是实现一种特定的分工。学生们构想了一种模式：人工智能充当不知疲倦的数据分析师，追踪进度并组织信息，而教师则专注于情感支持、伦理引导和深刻的临床智慧。在这种伙伴关系中，学生仍然是最终的决策者，利用工具进行学习，但保留选择最佳行动方案的权威。研究表明，为了使这种协作发挥作用，学校不仅要引入技术，还必须培训教师成为“人工智能素养导师”，并建立关于学生数据如何使用的透明且明确的规则。目标是确保在技术帮助学生学得更快的过程中，永远不会取代护理的核心——人与人之间的连接。
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。