北爱尔兰药学教育中人工智能应用的视角：一项基于技术接受与使用统一理论的定性研究

《Currents in Pharmacy Teaching and Learning》：Perspectives on artificial intelligence use in pharmacy education in Northern Ireland: A qualitative study based on the unified theory of acceptance and use of technology

　　人工智能在药剂教育中的整合研究——基于扩展UTAUT模型。药剂学生通过非正式渠道使用AI工具，呈现从基础概念到临床推理的阶段性应用。主要受益于知识整合与效率提升，但面临技术准确性、伦理风险及批判性思维影响等挑战。建议通过定制化AI工具开发、结构化培训及政策框架建设实现负责任整合。

　　人工智能（AI）正以前所未有的速度改变着现代生活，尤其是在医疗保健领域。随着技术的进步，AI在医疗教育中的应用日益广泛，不仅影响着教学方式，还重塑了学生的学习体验和专业技能的培养。在药学教育中，AI的应用潜力尤为显著，它能够帮助学生更有效地掌握复杂的药学知识，提升临床推理能力，并为他们进入一个日益依赖这些技术的专业环境做好准备。然而，尽管AI在药学教育中的前景广阔，其在实际教学中的整合仍面临诸多挑战，包括技术准确性、伦理问题、对批判性思维的潜在影响以及经济负担等。因此，如何负责任地将AI技术融入药学教育体系，成为当前教育工作者和研究者关注的重点。

本研究旨在通过扩展的统一技术接受与使用理论（UTAUT）框架，探索药学学生对AI技术的接受程度和使用情况，并识别在药学教育中负责任整合AI技术的机会。研究对象是来自北爱尔兰贝尔法斯特大学药学院的八名MPharm（药学学士）学生，他们通过目的抽样方法被招募，每一年级（第一至第四年）各两名学生，以确保能够涵盖不同学习阶段的发展视角。研究采用了半结构化访谈的方式，通过Microsoft Teams平台进行，以深入了解学生在使用AI工具时的主观体验和看法。数据的分析则依据Braun和Clarke提出的六阶段主题分析法，使用NVivo 13软件进行管理。

研究结果显示，从分析中提炼出了四个主要主题：第一，当前对AI工具的理解和使用经验；第二，对AI技术带来的益处和机会的感知；第三，面临的挑战和担忧；第四，关于负责任整合AI技术的建议。学生在使用AI工具方面表现出明显的发展趋势，从第一年的基础概念理解，到第四年的复杂临床推理应用。大多数学生主要通过非正式的社交网络，如同学推荐或社交媒体平台，了解并获取AI工具，而非通过正式的学术渠道。这种使用模式反映出学生在面对AI技术时的自主性和灵活性，同时也揭示了学术机构在引导学生正确使用AI工具方面的不足。

AI技术为药学教育带来的主要益处包括：即时的概念澄清，能够帮助学生在多学科课程中更好地理解复杂理论；提升学术效率，使学生能够更快速地完成学习任务；以及通过模拟患者互动来支持临床准备，增强他们在实际工作中的应对能力。然而，学生也表达了对AI技术整合的担忧。首先，他们认为AI技术在不同地区之间的应用存在局限性，尤其是在资源分配不均的情况下，一些学生可能无法获得高质量的AI工具。其次，AI工具的准确性和可靠性仍存在问题，学生担心AI生成的信息可能不准确，从而影响他们的学习和决策。第三，AI的广泛应用可能对学生的批判性思维发展产生负面影响，因为过度依赖AI可能会削弱他们独立思考和分析问题的能力。第四，学生对学术诚信存在不确定性，尤其是在使用AI工具完成作业或论文时，如何确保原创性和避免抄袭问题成为关注的焦点。最后，部分AI工具的高级功能需要付费订阅，这可能会成为一些学生使用AI技术的经济障碍。

研究的结论指出，学生在使用AI工具时表现出较强的自主性和创造力，但同时也面临诸多挑战。这些问题包括信息不准确、伦理模糊以及对批判性思维技能的潜在负面影响。因此，未来的药学教育需要采取更加系统和负责任的方式，以确保AI技术能够真正为学生的学习和专业发展服务。建议包括制定明确的机构政策，以规范AI的使用范围和方式；实施正式的AI素养培训，使学生能够更好地理解和使用AI技术；开发符合英国国情的药学专用AI工具，以满足本地教育需求；以及采用渐进式的课程整合策略，逐步引入AI技术，以确保学生能够在不同学习阶段获得适当的指导和支持。

此外，研究还发现，尽管高校已经制定了关于AI使用的通用指导原则，但学生对这些政策的了解程度仍然有限。他们往往在没有明确指导的情况下自主使用AI工具，这种做法虽然能够满足学习需求，但也可能导致使用不当或过度依赖的问题。因此，教育机构需要加强对AI工具使用的引导和监管，确保学生在使用AI技术时能够遵循学术规范，同时避免对他们的学习成果和专业能力产生负面影响。

在药学教育中，AI的应用不仅限于理论学习，还涉及临床技能的培养。例如，AI驱动的自然语言处理工具可以用于训练学生采集患者的用药史，并分析临床记录，从而提升他们的诊断推理能力。此外，AI还可以用于提供个性化的学习反馈，帮助学生更好地掌握知识和技能。在药理学和药代动力学等复杂学科中，AI能够协助学生进行数据解读，使他们能够更高效地分析和理解复杂的医学信息。这些应用表明，AI不仅在教学层面具有价值，还在管理层面提供了支持，如自动评分系统能够帮助教师及时反馈学生的学习情况，提高教学效率。

然而，尽管AI技术在药学教育中展现出诸多优势，其整合仍然面临一些关键问题。首先，AI工具的准确性是学生最关注的问题之一。他们担心AI生成的信息可能与实际医疗知识存在偏差，从而影响他们的学习和决策。其次，AI技术的伦理问题也是学生和教育工作者关注的重点。例如，AI在处理患者数据时可能涉及隐私和数据安全问题，如何确保这些数据的使用符合伦理规范，成为需要解决的问题。第三，AI技术的普及可能会对学生的批判性思维发展产生负面影响。过度依赖AI可能会削弱学生独立思考和分析问题的能力，使他们在面对复杂医疗情境时缺乏必要的判断力。因此，教育机构需要在整合AI技术的同时，确保学生仍然能够发展独立思考和分析问题的能力。

最后，AI技术的经济成本也是一个不容忽视的问题。一些高级AI工具需要付费订阅，这可能会成为部分学生使用AI技术的障碍。特别是对于经济条件有限的学生来说，他们可能无法负担这些费用，从而影响他们在学习过程中使用AI工具的频率和深度。因此，教育机构需要考虑如何提供更经济实惠的AI工具，以确保所有学生都能公平地享受到AI技术带来的学习优势。

综上所述，AI技术在药学教育中的整合具有重要的意义，但也需要谨慎对待。教育机构应制定明确的政策，加强对AI工具使用的引导和培训，同时开发符合本地需求的AI工具，以确保学生能够负责任地使用这些技术。此外，还需要关注AI技术对批判性思维、伦理问题和经济负担的影响，以确保AI的整合能够真正促进药学教育的发展，而不会对学生的专业能力造成负面影响。通过这些措施，AI技术有望在药学教育中发挥更大的作用，为学生提供更优质的学习体验和更广阔的发展空间。