《Nurse Education Today》：Usability and feasibility of a Socratic Llm-supported learning tool for clinical reasoning in undergraduate nursing education
编辑推荐：
临床护理教育中AI支持平台的应用研究：基于Socratic方法的ADPIE框架的可行性及临床推理提升效果。采用前瞻性观察评估方法，对142名护理学生进行干预研究，发现平台显著提升临床推理能力，尤其在错误分析和多视角决策方面（P<0.05）。参与者普遍认可其促进ADPIE流程整合（74.0%），但存在技术操作适应期。本研究验证了AI教育工具在护理教育中的实践价值，提出需加强人机交互设计。
S.I.A.H. Chiew-Jiat Rosalind | I.G.N.A.C.I.O. Mary Jeanette Jacinto | K.O.H. Siew Lin Serena | T.O.N.G. Jing Yuan Magdelene | L.A.U. Siew-Tiang Lydia
新加坡国立大学，Alice Lee护理研究中心，医学院，新加坡
摘要
目的
评估一个基于人工智能（AI）的平台在临床推理方面的效果，以及该平台的使用便捷性和可行性。该平台利用大型语言模型（LLM）通过苏格拉底式教学方法来促进高阶思维的发展。
设计
本研究采用由英国医学研究委员会（MRC）和国家卫生与护理研究所（NIHR）框架指导的前瞻性观察过程评估方法，并同时进行结果评估。
方法
研究招募了2025年2月至5月期间使用该AI支持平台的全日制护理学士学生。该干预措施整合了ADPIE护理流程（评估、诊断、计划、实施、评估）和通过适应性苏格拉底式提问的临床推理周期。
结果
共有142名学生完成了评估。大多数学生将平台作为辅助学习工具，特别是用于支持病例管理、回顾临床程序以及在临床会话中回答问题。学生报告称，在分析错误、采用多种视角以及干预前反思计划等方面有所改进。大多数参与者（74.0%）认为该平台帮助他们运用ADPIE来指导思考，许多人认为该平台在应用临床推理框架进行决策时提供了支持。
结论
一个基于LLM并通过苏格拉底式方法的定制AI支持平台是传统护理教育的可行且可用的补充工具，显示出提升临床推理能力的潜力。精心设计、基于护理框架和对话式指导的设计可能有助于促进更深入的学习，避免传统问答式LLM使用所带来的表面化学习问题。
引言
临床推理是护士公认的核心能力，对于提供安全、有效和高质量的护理至关重要（Leal等人，2024年）。它是涉及解释、分析、评估、推理和解释证据、概念、方法论、标准及情境因素的有目的的自我调节判断过程（Alfaro-LeFevre，2020年）。国际护理机构，包括国际护士理事会（ICN）和国家认证机构，强调护士必须在实践中进行解释、分析、评估、推理、解释和自我调节（ICN，2015年）。在美国、英国、澳大利亚、新加坡等许多国家，护理课程都旨在培养临床推理能力（美国护理学院协会[AACN]，2021年；护理与助产委员会[NMC]，2018年；澳大利亚护理与助产认证委员会[ANMAC]，2019年；新加坡护理委员会[SNB]，2018年）。
在当代教育中，大型语言模型（LLM）和其他基于人工智能（AI）的平台被越来越多地用于支持学习（Glauberman等人，2023年；Gunawan等人，2024年）。这些工具易于使用且能提供个性化反馈。然而，要使这些工具被采纳并真正支持学习，它们必须具备良好的可用性，包括易于学习、使用效率高，并能在真实的学习环境中支持用户的目标。当AI工具仅以简单的问答模式使用时，可能会导致表面化学习和潜在的错误信息传播（Glauberman等人，2023年；Li等人，2024年）。教育工作者担心，依赖即时答案可能会削弱临床推理和解决问题能力的发展，而这些能力对安全实践至关重要（Choudhury和Chaudhry，2024年）。
为了解决这些问题，我们开发了一个定制的AI支持平台，该平台明确利用LLM通过苏格拉底式方法来促进临床推理，将讨论与护理流程（评估、诊断、计划、实施、评估；ADPIE）和临床推理周期相结合，通过引导性的互动对话推动更深入、更严谨的理解（Ho等人，2023年；Alfaro-LeFevre，2020年）。除了教学对齐外，该平台还考虑了可用性，以支持持续的学习参与度，减少导航工具时的认知负担，并使学生能够专注于推理过程而非界面要求。护理流程提供了一个基于批判性思维、以患者为中心的护理、目标导向的行动和基于证据的推荐的结构化系统框架（Toney-Butler和Thayer，2025年）。此外，临床推理周期作为一个决策支持框架，帮助护士通过权衡多种因素系统地确定最合适的护理方案（Levett-Jones等人，2010年）。
该干预主要基于认知主义基础，将临床推理视为一个主动的、反思性的、迭代的知识获取、组织和有目的应用的过程（McSparron等人，2019年）。认识到没有单一理论足以解释临床推理，设计还利用了补充概念，如支架式练习、元认知、支持逐渐减少、结构化反馈和社会情境对齐，以增强干预的有效性和迁移。从可用性的角度来看，这些设计选择旨在通过清晰的提示和可预测的交互序列使推理步骤可见且可操作，从而支持学习者进行努力思考，而不会产生不必要的摩擦。其目的不是为了快速获得答案，而是推动严格的批判性评估过程。
由于关于基于苏格拉底式方法、ADPIE指导的LLM平台在护理教育中的可行性和可用性，以及其在结构化对话方法下对临床推理影响的实证证据有限，本研究通过采用由英国医学研究委员会（MRC）和国家卫生与护理研究所（NIHR）框架指导的前瞻性观察过程评估来填补这一空白（MRC/NIHR）。它为将LLM整合到护理教育中提供了一个理论基础扎实、可操作的模型，同时降低了表面化学习的风险。
该平台的设计基于认知主义和结构化实践原则，并通过ADPIE和临床推理对齐的苏格拉底式提问来实现。这些基础为研究问题提供了依据，明确了假设的机制（元认知提示、理由阐述、替代方案评估）和MRC/NIHR评估指标（情境、实施、机制、结果），以指导可行性和早期结果评估，包括平台是否足够适合学习者按预期使用。
研究问题：
- 该AI支持平台在学生学习中的可用性和可行性如何？
- LLM支持的苏格拉底式方法是否强化了ADPIE和既定的临床推理框架，从而提高了临床推理能力？
研究设计与设置
我们采用了由MRC/NIHR针对复杂干预措施推荐的前瞻性观察过程评估方法（Skivington等人，2021年），并同时进行结果评估。这样做的目的是为了关注情境和实施（覆盖范围、保真度、可接受性、实用性）、影响机制以及早期结果信号。暴露后的学生调查收集了关于可用性、可行性和自我报告的临床推理的数据。
社会人口统计学和基线特征
共有142名护理本科生使用了该平台并完成了调查，超过了最低目标131人。平均年龄为25.06岁（标准差=5.50岁；范围20-52岁）。其中大部分是女性（81.0%），男性占18.3%。大多数是三年级学生（54.2%），一年级学生占23.9%，二年级学生占21.8%。教育背景包括文凭（44.4%）、A-level成绩（43.0%）和学位（12.7%）。使用方式主要是辅助性的：90.8%的学生使用该平台的时间少于...
讨论
本研究评估了一个基于苏格拉底式方法、由LLM驱动的平台的可用性及其在常规学习工作流程中的可行性，以及使用该平台后临床推理能力的初步变化。学生表示，该平台易于接受且易于学习，用户体验支持频繁且建立信心的使用。需求和使用模式也主要表现为辅助性的、及时参与，这与平台的预期目的一致。
结论
一个定制的、基于LLM的、利用苏格拉底式方法的平台作为传统护理教育的补充工具，在提升临床推理和高阶认知技能方面显示出巨大潜力。学生对该平台的可用性和可行性评价很高，并报告在推理和反思实践的关键领域有所改进。基于ADPIE和临床推理框架的结构化、互动式方法证明了其在支持这些方面的可行性。
CRediT作者贡献声明
- S.I.A.H. Chiew-Jiat Rosalind：撰写——原始草稿、可视化、验证、监督、软件、资源、项目管理、方法论、研究调查、资金获取、正式分析、数据整理、概念化。
- I.G.N.A.C.I.O. Mary Jeanette Jacinto：撰写——审阅与编辑、验证。
- K.O.H. Siew Lin Serena：撰写——审阅与编辑、验证。
- T.O.N.G. Jing Yuan Magdelene：验证、项目管理、数据整理。
- L.A.U. Siew-Tiang Lydia：撰写——
作者声明
- 目的和贡献：
- 我们研究了基于LLM的平台如何通过个性化学习和临床推理来改变护理教学和临床准备，同时解决数据安全、治理和伦理问题。
- 我们的发现具有全球意义，因为公平获取、技能获取和临床判断等挑战是普遍存在的。本研究提供了可转移的模型，为国际知识库增添了特定情境的见解。
资助声明
本研究得到了2024财年的“教学改进补助金”（TEG）的支持，总金额为23,200美元，为期2-3年。该补助金涵盖了部分时间制本科生研究助理的招聘和数据转录费用（1,400美元）、研究参与者的报酬（1,800美元），以及软件开发者开发的概念验证（POC）应用程序的开发与设计费用（1,400美元）。
未引用的参考文献
Almalki等人，2023年
Benton等人，2013年
Creswell和Plano Clark，2018年
Diamond-Fox和Bone，2021年
Liaw等人，2021年
Lin等人，2022年
Oh等人，2025年
Shin等人，2022年
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢
本研究感谢新加坡国立大学医学院院长办公室和新加坡国立大学信息技术部门提供的宝贵支持，这些支持增强了技术能力，促进了系统的无缝迁移，优化了这些资源的使用，显著丰富了学生的学习体验，并创造了更有效的学习环境。
