Perceptions of undergraduate health professions students on the utilisation of artificial intelligence tools for teaching, learning and assessment: a cross-sectional questionnaire study at a health sciences university in southern India
这项针对印度南部健康专业本科生的横断面研究显示，学生对人工智能用于教学和评估的看法总体上较为积极但程度适中，且态度因学科而异，而非取决于性别或先前的接触经验，这凸显了建立全院范围内的人工智能素养课程以解决对验证和评估完整性担忧的紧迫需求。
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
人工智能已悄然从教育的边缘渗透进学生的日常生活中。它不再仅仅是讲堂里讨论的未来主义概念，而是许多年轻人已经在用来学习、写作和解决问题的工具。对于那些正在接受医生、护士及其他医疗专业培训的学生来说，这项技术为他们提供了一种在无风险的情况下学习复杂医学概念并练习临床推理的新途径。然而，这些工具被采用的速度已经超过了学校建立的正式规则和课程。当大学仍在摸索如何利用人工智能进行教学时，学生们已经在通过各种方式自行使用它来应对学业。这提出了一个关键问题：这些未来的医疗专业人员是信任这项技术，还是对其持怀疑态度？了解他们的感受至关重要，因为如果学生不接受这些工具，那么实现更快速反馈和个性化学习的潜力就无法得到实现。
来自印度南部的一个研究小组致力于通过直接倾听学生的声音来回答这个问题。他们进行了一项涉及来自同一所健康科学大学的 612 名本科生的广泛调查。这所大学非常独特，因为它在一个校区内汇集了六种不同的健康专业：顺势疗法、护理学、物理治疗、药学、牙科和阿育吠陀。通过研究来自这些不同背景的学生，研究人员可以观察到，一名学生的具体专业领域是否比其个人对技术的经验更为重要。该调查询问了学生关于人工智能的过往使用情况、他们对将其用于教学和评分的态度，以及他们认为最大的益处和风险是什么。
结果描绘了一幅谨慎乐观的图景。学生们普遍对人工智能在教育中的应用持积极看法，但他们的热情也受到显著不确定性的制约。当被问及是否同意诸如“人工智能可以使讲座更具吸引力”或“人工智能可以帮助我理解困难的概念”之类的陈述时，大多数人表示赞同。对这些积极陈述的认同程度大约在 61% 到 71% 之间。然而，很大一部分学生——对于每个问题，大约有四分之一到三分之一的人——选择了中立答案。他们既不同意也不反对。研究人员认为，这种中立并不意味着学生漠不关心；相反，这很可能反映了经验的缺乏。在受访的学生中，约有一半人以前从未在学习中使用过人工智能工具。由于缺乏直接经验，他们在等待观察这项技术在课堂上究竟如何运作之前，对于形成明确的观点感到犹豫。
当学生们表达他们喜爱之处时，他们的回答非常务实且专注于理解。他们认为最常见的益处是人工智能可以提高他们的概念理解能力和清晰度。他们将其视为解释复杂想法和快速消除疑惑的强大工具。他们也欣赏获取信息的效率和便利性。然而，他们的担忧同样基于现实。首要的担忧是，过度依赖这些工具会导致他们丧失独立思考和批判性思维的能力。他们还担心机器提供的信息可能是不准确、过时或具有误导性的。有趣的是，很少有学生对失去实践临床技能或技术可能取代其未来职业角色表示担忧，这表明他们主要将这些工具视为学习辅助工具，而非职业角色的替代品。
其中一个最能说明问题的发现是，学生的专业领域对其态度的影响，甚至超过了性别或他们在校年限的影响。学习顺势疗法的学生表现出最积极的看法，而学习护理和物理治疗的学生则最为保守。这种差异表明，特定项目的文化和课程塑造了学生看待技术的方式。例如，护理和物理治疗项目强调动手操作、监督实践和人际互动，而目前的文本型人工智能在这些领域几乎无法提供帮助。这些学生可能只是意识到，这项技术与其特定的培训需求相关性较低。相比之下，研究人员发现，一旦考虑到专业背景，一个人的个人人工智能使用史并不会显著改变其整体态度。这挑战了一个普遍假设，即仅仅是增加工具的使用频率就会自动让一个人变得更加适应；相反，教育的语境更为重要。
学生信任感中最脆弱的一点是使用人工智能进行评分。虽然学生愿意接受人工智能作为学习助手，但他们不太愿意让它来评判自己的表现。当被问及是否信任人工智能系统公平地评估其客观测试的表现时，认同度降至最低点，中立反应也达到了最高值。这种犹豫凸显了对公平性和问责制的深层担忧。学生们准备好使用这些工具来学习，但尚未准备好在没有明确人类监督的情况下将评估权交给机器。
研究结论指出，尽管未来的医疗专业人员对人工智能在教育中的应用持开放态度，但他们尚未完全被说服。他们看到了提升学习质量的潜力，但仍对批判性思维受损以及自动化评分的公平性保持警惕。研究人员认为，大学不应坐等学生自行摸索。相反，学校应该引入一套共同的课程，教导所有健康专业专业的学生如何明智地使用这些工具、如何验证其提供的信息，以及这些工具的局限性在哪里。通过通过教育来解决不确定性并建立信任，院校可以帮助学生从谨慎的中立转向自信、负责任地使用这项即将定义其职业生涯的技术。
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。