生成式人工智能相关因素与护理学生自主学习能力之间的关联：一项横断面研究

《Nurse Education Today》：Association between generative artificial intelligence-related factors and self-directed learning ability among nursing students: a cross-sectional study

　　

生成式人工智能（generative AI）作为医疗和教育领域的创新性工具，已成为学习的重要辅助手段。然而，目前针对护理学生群体中生成式人工智能相关因素及其与自主学习能力关联性的实证研究仍较为有限。本研究旨在基于技术接受模型（technology acceptance model, TAM），探讨生成式人工智能相关因素与护理学生自主学习能力之间的关联。研究采用横断面设计，于2024年9月在韩国开展在线调查。共有219名护理学生完成了该在线问卷。基于TAM的关键变量包括感知有用性（perceived usefulness）、感知易用性（perceived ease of use）、使用准备度（readiness to use）以及继续使用生成式人工智能的意愿。研究采用多元回归分析检验各变量与自主学习能力之间的关联。结果显示，绝大多数参与者（96.8%）具有使用人工智能的先验经验。在各变量中，使用生成式人工智能的准备度（β = 0.345, p < 0.001）与自主学习能力的关联最为显著，其次为感知易用性（β = 0.201, p = 0.003）以及继续使用生成式人工智能的意愿（β = 0.184, p = 0.004）。在纳入模型的协变量中，专业满意度（β = 0.216, p < 0.001）也与自主学习能力存在显著关联。上述变量共同解释了总方差的62.6%。研究得出结论：生成式人工智能相关因素与自主学习能力之间存在显著关联。未来的教育策略应优先提升护理学生对生成式人工智能的使用准备度、感知易用性以及使用意愿。专业满意度作为显著的协变量，在制定相关策略时亦应予以考量。通过实施上述策略，护理学生的自主学习能力有望得到更为有效的培养。

本研究由韩国嘉泉大学护理学院的Wheemoon Lee、Huijeong Lee、Yunjeong Jang、Hanbyeol Lee、Haeri Shin和Eunjin Yang共同完成，发表于《Nurse Education Today》。研究聚焦于生成式人工智能（generative AI）与护理学生自主学习能力之间的关联，这一议题在当前护理教育数字化转型的背景下具有重要的现实意义。

研究背景方面，生成式人工智能作为人工智能的一个子集，能够根据用户输入生成文本、图像、视频、音频等多种类型的新内容。以ChatGPT为代表的生成式人工智能聊天机器人可以分析对话内容、识别语境、引导恰当对话并向用户提供适宜反馈。在护理领域，人工智能技术为临床情景模拟、患者病例分析以及循证实践的学习提供了新的可能性，正被 increasingly 应用于各类作业和学习活动中。与此同时，自主学习（self-directed learning）被公认为学习者适应快速变化环境、实现持续成长的核心能力。自主学习能力指学习者在学习过程中自主设定学习目标、选择学习材料、管理和评估自身学习的能力，对于需要批判性思维、问题解决能力和快速判断力的护理学生尤为重要。生成式人工智能的互动特性与自主学习的关键原则高度契合：学生在使用人工智能工具时需要构建具体问题、批判性评估反馈并迭代优化提问，这些过程与自我调节、批判性评估和适应性学习策略等自主学习的核心要素相一致。基于上述背景，研究人员的关注焦点在于：学习者如何感知和接受生成式人工智能技术，将直接影响其将该技术整合至学习过程的效果。技术接受模型（TAM）作为理解用户接受和使用新技术的经典理论框架，为探讨这一问题提供了恰当的分析视角。TAM的核心构念包括感知有用性（perceived usefulness，即用户认为采用某项技术将提升其任务完成程度）、感知易用性（perceived ease of use，即用户认为与该技术互动所需的认知努力程度较低）以及态度和使用的行为意向（behavioral intention to use，即个体将特定技术纳入未来实践的意愿）。尽管既往研究已探讨了护理人员对人工智能的态度和意向，但关于生成式人工智能相关因素如何与自主学习能力等核心教育能力相关联，仍存在显著的研究空白。鉴于此，本研究旨在基于TAM框架，探究感知有用性、感知易用性、继续使用意愿以及使用准备度等生成式人工智能相关因素与护理学生自主学习能力的关联。

研究采用横断面设计，以TAM作为理论框架指导关键变量的选择，研究过程遵循STROBE指南报告规范。研究样本为韩国一至四年级的本科护理学生，无论其是否具有使用生成式人工智能的经验均可参与。最终共有219名护理学生完成在线问卷调查。样本特征显示：女性占绝大多数（96.8%），平均年龄为21.28岁；二年级学生占比最高（37.4%），其次为四年级（28.3%）、三年级（19.2%）和一年级（15.1%）；83.6%的参与者对专业表达不同程度的满意度，最主要的学习动机为"有助于未来工作或职业发展"（38.8%）。研究所用的关键测量工具包括：基于TAM的感知有用性量表、感知易用性量表、继续使用意愿量表、使用准备度量表，以及自主学习能力量表。研究采用多元回归分析方法，控制了性别、年龄、年级、专业满意度和学习动机等协变量，以检验各生成式人工智能相关因素与自主学习能力之间的关联。

研究结果部分，研究人员首先报告了参与者的一般特征。在219名参与者中，绝大多数为女性（96.8%），平均年龄21.28岁。就教育年限分布而言，二年级护理学生占比最高（37.4%），其次为四年级（28.3%）、三年级（19.2%）和一年级（15.1%）。绝大多数参与者（83.6%）对其专业表达了一定程度的满意度，主要的学习动机是"为了帮助我的未来工作或职业发展"（38.8%）。

关于生成式人工智能使用经验，高达96.8%的参与者具有使用人工智能的先验经验，这一比例与2025年学生生成式人工智能调查中92%的学生使用人工智能的研究结果相一致。

在生成式人工智能相关因素与自主学习能力的关联方面，多元回归分析结果显示：在纳入模型的变量中，使用生成式人工智能的准备度（β = 0.345, p < 0.001）与自主学习能力的关联最为显著，其次为感知易用性（β = 0.201, p = 0.003）和继续使用生成式人工智能的意愿（β = 0.184, p = 0.004）。感知有用性未显示出显著关联。在协变量中，专业满意度（β = 0.216, p < 0.001）与自主学习能力存在显著正相关。上述所有变量共同解释了自主学习能力总方差的62.6%（R² = 0.626）。

讨论部分，研究人员对上述发现进行了深入阐释。关于使用准备度与自主学习能力的显著关联，研究人员指出，使用准备度反映了学习者在认知、情感和操作层面为有意义地整合生成式人工智能所做的准备状态，这种准备状态使学习者能够主动、批判性地参与技术互动，而非仅仅进行简单的信息检索。具有高使用准备度的学生更可能将生成式人工智能视为支持其自主学习的有效工具，从而在学习过程中表现出更高的自主性和自我调节能力。这一发现与既往研究中"准备度是实际技术采用和持续使用的重要预测因子"的结论相呼应，强调了在护理教育中培养学>生生成式人工智能使用准备度的必要性。

关于感知易用性的显著作用，研究人员认为，当学生认为生成式人工智能易于使用时，他们更可能将其整合至学习活动中，从而降低认知负荷，将更多认知资源投入高等级的学习任务（如批判性分析和知识整合）。这一发现与TAM的理论预期一致，即感知易用性通过影响用户对技术的早期接触和持续使用，进而影响其学习行为和学习成果。在护理教育情境中，降低技术使用门槛、提供友好用户界面的生成式人工智能工具，可能特别有利于促进学生的自主学习。

关于继续使用意愿的显著性，研究人员解释称，意图继续使用反映了学习者将生成式人工智能纳入其未来学习实践的动机倾向，这种倾向驱动学习者反复使用和扩展其学习行为，形成持续的学习投入。值得注意的是，感知有用性在本研究中未显示出显著关联，这与部分既往研究发现有所不同。研究人员推测，可能是因为当前生成式人工智能在护理教育中的应用仍处于早期阶段，学生可能尚未充分体验到其在提升学习绩效方面的实际效用；或者对于护理学生而言，技术的易用性和使用准备状态比其感知到的功能价值更能直接影响其自主学习行为。

关于专业满意度的协变量效应，研究人员强调，对护理专业的高度满意可能增强学生的学习投入和动机，使其更愿意探索包括生成式人工智能在内的新学习资源，从而促进自主学习。这一发现与既往研究中"专业满意度和学习动机是支持护理学生自主学习能力的重要个人因素"的结论相一致，提示教育者在设计生成式人工智能整合策略时，不能忽视学生的专业认同和情感因素。

本研究的结论部分指出：该研究证实了在韩国护理学生群体中，生成式人工智能相关因素与自主学习能力之间存在显著关联。研究凸显了将生成式人工智能培训纳入护理课程体系的紧迫性，因为这可能有助于增强护理学生的技术适应性和自主、终身学习的能力。教育策略应优先提升护理学生对生成式人工智能的使用准备度、感知易用性以及使用意愿。专业满意度作为显著的协变量，在制定上述策略时也应予以考量。通过这些策略的实施，护理学生的自主学习能力有望得到更为有效的培养。