基于AI赋能的护理本科生数字素养能力与课程优化研究

【摘要】目的本研究构建 AI 驱动的护理本科生数字素养综合评价体系，借助课程映射法对现有课程结构进行系统性优化，并实施对照教学干预。方法 2025 年 4 月 —2027 年 3 月构建 AI 赋能数字素养评价体系，采用课程映射完成课程重构，并实施分组干预；大三大四为传统教学对照组，大一大二为 AI 课程实验组，辅以教师访谈与专家论证。结果 实验组数字素养总分及各维度得分、学习效果、课程满意度均显著高于对照组（P<0.05）；课程映射明确了现有课程的薄弱环节与优化方向。结论 AI 赋能数字素养评价与课程优化可完善护理人才培养标准、推动课程数字化转型、创新智能教学模式、提升学生职业竞争力，为护理教育数字化改革提供可复制的实践路径。

【关键词】人工智能；护理本科生；数字素养；能力评价；课程优化；课程映射；教学改革

在 5G、人工智能、大数据与智慧医疗深度融合的新形势下，护理工作模式正朝着数据驱动、智能决策、远程协同加速转型，数字素养已成为护理本科生不可或缺的核心职业素养[1]。世界卫生组织《数字健康素养指南》、美国护理学院协会《护理教育未来框架》均将数字技能、数据安全及 AI 辅助决策纳入医护人员核心能力范畴，我国《教育信息化 2.0 行动计划》也明确提出推进智能教育、推动 AI 技术与高等教育课程深度融合[2]。当前我国护理本科教育仍存在数字素养评价标准不统一、评估工具零散、课程数字化改造碎片化、教学与临床智能岗位需求脱节等问题[3]。本研究以 2025—2027 年为研究周期，以 AI 技术为支撑，构建本土化护理本科生数字素养评价体系，借助课程映射完成课程体系优化，并开展对照教学实验，为护理教育数字化改革提供理论依据与实践参考。

本研究对推动教学改革、提升教学质量具有重要价值。研究于 2025 年 9—12 月采用德尔菲法与层次分析法构建科学规范的数字素养评价体系，弥补国内缺乏统一评价工具的短板，便于院校精准定位学生能力短板，开展精准化教学干预，提高人才培养的针对性与有效性。2026 年 1—7 月依托能力评价与课程映射结果，搭建 “数字素养 — 课程模块” 动态映射模型，对课程体系进行系统性重构，将数据思维、数字技能、AI 应用等内容融入核心课程，推动护理课程从零散信息化向整体数字化升级，增强课程设置与临床岗位需求的契合度[4]。2026 年 5—7 月教学实践中，搭建 AI 虚拟仿真临床决策场景，将智能助教、知识图谱、智能测评融入教学环节，打破传统实训时空局限，强化健康数据处理、远程监护、智能辅助决策等高阶能力训练，显著提升临床思维与数字实践能力培养效率。通过为期两年的系统化培养，可培育兼具扎实临床护理能力与数字技术应用能力的复合型护理人才，更好适应智慧医院、远程护理、健康管理等新型岗位需求，提升学生就业竞争力与职业发展潜力[5]。同时，教师全程参与评价体系构建、课程优化及 AI 教学实践，可有效提升数字化教学设计与应用能力，形成 “评价 — 优化 — 实践 — 反馈” 的闭环教学改进机制，为护理教学质量持续提升构建可持续发展生态，为护理教育数字化转型提供可推广的实践范式。

1、研究对象与方法

1.1研究对象

将2025 年 4 月 —2027 年 3 月本校护理专业全日制本科生为研究对象，采用前后对照设计，相关对照数据见表1 ，P>0.05体现组间值差具有可比性，无统计学差异。

 1 两组研究对象一般资料比较（n=186）

纳入条件需同时满足以下三项：① 就读于本校护理专业全日制本科，自愿参与本研究并签署书面知情同意书；② 具备基础数字设备操作能力，可熟练运用本研究指定的线上学习平台完成课程学习与相关测评；③ 研究开展前未参与过任何形式的数字素养专项培训，未接受过同类智能教学干预。

排除标准：存在休学、转专业等学籍异动情况；长期缺勤（累计缺勤时长超过对应学期总学时10%）；因身体、心理等原因无法配合完成全程教学干预及相关数据测评者，均予以排除。

1.2 方法 

本研究严格遵循系统性研究流程，分阶段有序推进，全程融合文献研究、专家咨询、实证调研、教学实验等多元方法。研究周期内，2025年4月至8月通过文献梳理与教师专项调研，完成数字素养能力框架初稿的初步构建；2025年9月至12月依托两轮德尔菲专家咨询及层次分析法确定各指标权重，最终形成护理本科生数字素养评价体系，并完成评价量表初稿编制；2026年1月至4月开展量表预测试以检验其信效度，同步完成全校护理本科生数字素养现状的全面调研；2026年5月至7月通过课程映射分析明确课程短板、优化课程体系，开展AI赋能教学试点工作及前后对照实验，推进教学干预落地；2026年8月至2027年3月重点完成研究数据的系统整理与分析，撰写研究报告、发表学术论文，同时做好研究成果的总结提炼与推广应用，确保研究价值有效转化。

1.3统计学方法

数据处理采用SPSS 26.0统计软件完成。其中计量资料以均数±标准差（x±s）形式呈现，组间比较采用t检验；计数资料以构成比（%）描述，组间比较采用χ²检验，以P<0.05作为判断组间差异具有统计学意义的标准。

2、结果

2.1两组干预前后数字素养得分比较（表 2）

表 2 两组干预前后数字素养总分及维度得分（x±s，分）

2.2 两组学习效果与课程满意度比较（表 3）

表 3 两组学习效果与课程满意度比较 [n（%）]

3讨论

本研究以护理教育数字化改革为核心导向，通过多阶段递进式研究，逐步破解护理本科生数字素养培养中的关键难题，形成兼具科学性与实用性的实践成果。研究期间，依托科学研究方法构建起统一的数字素养评价标准，有效破解了长期以来该领域评价缺乏规范、实施碎片化的困境，为护理人才培养的教学诊断、质量管控及相关评价工作提供了标准化支撑，助力护理人才培养朝着规范化方向迈进[6]。

课程体系优化上，本研究引入课程映射法，构建 “数字素养 — 课程模块” 动态映射模型，系统比对现有护理本科课程与培养目标的适配性，识别出数字技能融入不足、AI 内容零散、理实割裂等短板。在此基础上重构课程体系，将数据思维、数字工具应用、AI 辅助护理等要素融入核心护理课程，实现课程整体数字化升级，突破传统改革碎片化问题，使数字素养培育贯穿育人全程。课程实施效果良好，学生认可度显著提升，学习主动性与参与度明显增强。课程映射法为护理课程数字化升级提供了可推广范式，通过动态校准与持续迭代，实现课程内容与临床智慧护理岗位需求精准匹配，有效弥合教学与临床应用的断层[7]。

教学模式创新上，本研究以 AI 技术为支撑，构建 “评价 — 优化 — 实践 — 反馈” 闭环教学范式，将智能助教、知识图谱、虚拟仿真决策场景、智能测评等融入教学全流程，突破传统实训时空约束，强化学生健康数据处理、远程监护、智能决策等高阶数字能力。AI 仿真场景提供沉浸式训练，智能助教实现精准导学，知识图谱助力体系化认知，有效促进数字技能与专业临床能力协同提升，贴合复合型护理人才培养目标。同时，教师在参与课程构建与 AI 教学实践中，数字化教学能力同步提升，形成师生共促的良性育人生态，为教学质量长效提升提供支撑[8-9]。AI 赋能下的智慧护理建设，可依托数字素养评价体系与临床护理岗位胜任力的深度耦合，在血管通路管理、皮肤并发症防控、透析患者全程照护等专科场景中，完成风险智能预警、护理流程再造与个体化照护方案推送，实现护理操作智能化、病情监测数据化、健康宣教精准化，保障护理行为规范与临床安全[10]。以数字化为纽带打通院校教育与临床实践壁垒，既可提升护理专业学生岗前岗位适配能力，又能以临床实践反馈反推护理人才培养模式迭代，构建 “院校培育 — 临床落地 — 优化升级” 的闭环体系，推动智慧护理教育与临床服务标准统一、质量同质，为护理学科高质量发展注入长效动能[11]。

综合现有研究与实践表明，AI 赋能护理本科数字素养培育是智慧医疗背景下的必然走向，亦是护理教育数字化革新的核心支点。我国护理本科教育转型阶段仍存在明显短板：数字素养培养多呈碎片化，缺乏体系化课程架构；评价工具针对性薄弱，难以精准量化素养水平；教师数字化教学能力不足，制约 AI 教学落地。本研究构建的一体化培养模式，可有效破解上述瓶颈，形成可复制推广的实施范式。

综上，本研究完善了护理人才培养标准，推动课程数字化转型与智能教学模式创新，提升了学生职业竞争力，具有可复制、可推广的意义。

【参考文献】

[1] 谢颖怡,张逸诗,曾艾玲. 基于人工智能大语言模型的微信聊天助教在高职英语教学中的应用探索[J]. 中国医学教育技术,2025,39(1):48-53.

[2] 陈维芳,黎剑云,吴彬,等. "护理学基础"教学中生成式人工智能对本科护生创新创业能力影响研究[J]. 护理学报,2025,32(14):54-58.

[3] 任梦园,王亚丽. AI驱动下高职护理专业"急危重症护理学"课程教学改革路径探索[J]. 科技风,2025(27):62-64.

[4] 孙娟,申慧,杜奕霖,等. 护理学硕士研究生对社区护理课程中人工智能服务需求的质性研究[J]. 护理学报,2026,33(2):41-45.

[5] 饶柳,王天兰,曾苹,等. 知识图谱结合人工智能助教在康复护理学教学中的应用[J]. 护理学杂志,2025,40(23):71-75.

[6] 郑洁,王向荣,张娜,等. 人工智能结合DISC模型在护生护理人文修养与沟通实训教学中的应用[J]. 护理学杂志,2026,41(1):89-92.

[7] 朱丹,冯蓉,孙静,等. AI+BOPPPS教学模式在老年康复护理实训教学中的应用探索[J]. 继续医学教育,2025,39(10):21-25.

[8] 曹婧,杨磊,李小妹. 人工智能赋能护理教育的实践路径与展望[J]. 中华护理教育,2025,22(4):389-392.

[9] 刘于皛,马兰,张美琴,等. 人工智能赋能"1+X"证书制度创新研究——以护理专业为例[J]. 潍坊工程职业学院学报,2025,38(5):6-14.

[10] 卓鑫. AI赋能的情景模拟教学在高职内科护理实训中的标准化设计研究[J]. 标准生活,2026(1):337-339.

[11] 蒋玉娟,耿晓丹,廖苑蓉,等. AI赋能"三环四导"的三角函数课程教学探究——以南宁市卫生学校护理专业为例[J]. 广西教育,2025(26):56-59,71.

项目来源：2025年三峡大学高教研究项目立项
项目编号：GJ2552