《Clinical Simulation in Nursing》：Development of a prompt template to support simulation design: Maximizing the potential of generative artificial intelligence
编辑推荐：
生成式AI工具如ChatGPT正通过辅助创建临床模拟场景改变护理教育，但需结合提示工程与标准实践以优化输出质量，避免潜在偏见。研究显示不同AI平台生成内容差异显著，需迭代调整提示模板并保持教师主导。
伊丽莎白·罗宾森（Elizabeth Robison）| 特蕾莎·库尼（Theresa Cooney）| 塔米·施瓦布（Tammy Schwaab）| 萨米·拉赫曼（Sami Rahman）
美国佛罗里达州尼斯维尔市西北佛罗里达州立学院（Northwest Florida State College），邮编32578
摘要
背景
像ChatGPT这样的生成式人工智能工具正在迅速改变学术界和医疗行业，尤其是在护理教育领域，因为它们能够帮助创建临床模拟场景。有效使用这些工具的关键在于提示工程（prompt engineering），即精心设计输入内容以引导AI的输出。
目的
一项由护理教育工作者发起的研究探讨了如何通过结合现有的模拟标准来优化提示工程，从而简化场景设计流程。
研究结果
研究结果显示，不同AI平台（ChatGPT、CoPilot、Claude）的输出质量和重点存在差异，这凸显了在AI生成的模拟内容中需要谨慎选择提示并对其进行人工审核，以确保其准确性和相关性。
结论
这种迭代式的提示优化过程对于创造更加引人入胜且有效的学习体验具有重大潜力，但AI仅是辅助工具，而非替代护理模拟专家的专业知识。
引言
生成式人工智能（AI）工具（如ChatGPT）的日益广泛应用正在快速重塑学术界和医疗行业，为教学、学习以及临床实践带来了新的可能性（Gonzalez, 2024; O’Connor et al., 2024; Sun, 2024）。作为历史上增长最快的应用之一（Rodgers et al., 2023），ChatGPT因其能够生成文本、回答复杂问题以及协助内容创作而受到多个学科的关注。有效利用这项新技术的关键在于结构化的提示工程，即有目的地设计输入内容，以引导AI产生相关、准确且符合上下文的输出（Shepherd & Griesheimer, 2024; Sun, 2024）。在教育领域，这一点尤为重要，因为学习机会必须经过精心设计，并符合最佳实践标准，以确保学生获得高质量的学习成果。
传统上，开发临床模拟场景需要护理模拟专家投入大量的时间、精力和创造力；然而，生成式AI工具通过使用结构化的提示，提供了提高效率的同时支持创造力的方法。然而，由于缺乏关于提示工程的系统指导，教师对这些工具的运用仍不够规范，可能导致技术被低估或误用（Sun, 2024）。本文旨在描述一项创新举措，即利用符合美国护理联盟（NLN）模拟设计模板（National League for Nursing Simulation Design Template）和医疗模拟最佳实践标准（HSSOBP?，INACSL Standards Committee, 2021）的结构化提示来开发模拟场景。
研究片段
背景
护理副学士学位组织（OADN）模拟委员会成员认识到AI工具在支持护理模拟场景开发方面的新潜力。委员会中四位担任不同角色的护理教育工作者率先开展了这项研究，探讨了如何利用生成式AI工具，特别是创造性地运用提示工程，来简化场景设计流程，同时遵循HSSOBP?标准。
模拟设计中的提示工程
有效的提示工程涉及创建精确的信息，以指导AI生成相关且准确的输出，从而支持整体教育目标（Hickman et al., 2024）。这项技能要求理解AI如何解读输入信息以产生相应的输出，从而提升整体学习体验（Rodgers et al., 2023）。在护理教育中，精心设计的提示对于确保学生和教师获得相关信息至关重要。
研究结果
对AI生成的患者描述的分析显示，不同工具之间的输出存在惊人的相似性，病例通常具有相同的人口统计特征和临床特征，如年龄、性别、种族、合并症、过敏史和病史（表1）。AI生成输出的统一性可能暗示了叙述中的潜在偏见，以及患者场景的多样性和真实性的问题，这取决于模型的训练方式。四位教育工作者发现，不同工具的输出存在差异。
反思与流程改进
活动结束后，进行反思性评估是非常重要的，以便批判性地评价AI生成组件的成功之处，并识别仍需改进的领域。通过对提示模板进行进一步优化，团队解决了发现的问题。使用改进后的提示进行生成时，输出比最初使用相同生成工具（ChatGPT-4o）时更加详细和全面。
结论
提示工程对于提升护理教育中的模拟场景开发具有显著优势。提示工程是一个迭代过程，要求教育工作者不断测试、评估并根据AI生成的输出结果不断完善提示，以确保其清晰性、相关性和准确性（O’Connor et al., 2024）。通过合作研究，这群护理教育工作者对AI生成的输出进行了分析，并发现了进一步的改进空间。
关于写作过程中生成式AI和AI辅助技术的声明
为了提取表1中的主题，使用了OpenAI Playground来辅助分析。这些主题已得到团队的验证。
作者贡献声明
伊丽莎白·罗宾森（Elizabeth Robison）：概念构思、数据整理、正式分析、初稿撰写、审稿与编辑。特蕾莎·库尼（Theresa Cooney）：概念构思、数据整理、初稿撰写、审稿与编辑。塔米·施瓦布（Tammy Schwaab）：概念构思、数据整理、初稿撰写、审稿与编辑。萨米·拉赫曼（Sami Rahman）：概念构思、数据整理、初稿撰写、审稿与编辑。
