AI背景下醫學統計學實驗課程教學改革探討

摘要：醫學統計學的實驗課教學應培養和提升學生解決臨床實際問題的思維能力和實踐分析能力。由于該課程內容晦澀抽象、較難理解，采用傳統實驗教學方法，學生的學習興趣不高，教學效果不理想。因此，將AI融入醫學統計學實驗教學課程，分析在AI背景下采用案例+任務驅動教學法的意義，闡述了具體的實施方法及未來需要注意的問題，以期為該實驗課程的教學改革提供新的思路與方法。

關鍵詞：AI；案例法；任務驅動法；醫學統計學

DOI：10.13555/j.cnki.c.m.e.2025.02.015

中圖分類號：G642. 3 文獻標志碼：A 文章編號：2096-3181（2025）02-0259-05

基金項目：2023年錦州醫科大學教育教學研究與改革項目（YB2023024）；2023年錦州醫科大學教育教學研究與改革項目（YB2023023）

Discussion on the Teaching Reform of Experimental Course of Medical Statistics under the Background of AI

MENG Weihan，CUI Kai，GE Xiaoyan

School of Public Health， Jinzhou Medical University， Jinzhou 121000， China

Abstract： The experimental course teaching of Medical Statistics should cultivate and enhance students’thinking ability and practical analytical ability to solve clinical practical problems. The traditional experimental teaching method is adopted because the content of this course is obscure， abstract and difficult to understand， the students’ interest in learning is not high， and the teaching effect is not ideal. Therefore， this study integrated AI into the experimental teaching course of Medical Statistics， analyzed the significance of case+ task-driven teaching method under the background of AI， and elaborated specific implementation methods and problems to be concerned under the background of AI in the future， in order to provide new ideas and methods for the teaching reform of the experimental course.

Keywords： AI； Case method； Task-driven method； Medical Statistics

醫學統計學作為醫學科學重要的組成部分，是臨床醫學專業本科生的必修課程。該課程基于概率論和數理統計相關方面的原理，包含的知識具有多樣、復雜的特點，被公認是一門難理解的課程[1]。傳統的實驗課教學方法是以教師講授為主，已經不能滿足培養數字時代背景下新型醫學人才的需求。2023年中華人民共和國教育部發布《譜寫課程教學數字化轉型的中國方案》，提出“數字變革與教育未來”這一主題，落實在課程教學領域，就必須探索新的模式培養數字時代創新型人才，為促進學校教育高質量發展、幫助學生更好應對未來社會的挑戰做好準備。因此，在數字時代背景下進行醫學統計學課程教學研究與改革實踐，對于培養醫學生的創新型統計思維及提升科研能力方面具有重大的意義。課程最終目標是通過醫學統計學課程的學習，使學生能夠在數字時代背景下形成創新型統計思維，并應用于未來的醫學科研工作。

1 AI背景下案例+任務驅動教學法的含義

案例教學法起源于20世紀初的哈佛大學醫學院，最初應用于醫學領域。這種教學方法遵循的原則是，從典型案例的獨特特征推導出相似事物的共性特征，進而升華到對事物發展規律的理解，以提升學生對客觀世界的認知[2]。與傳統的教學方式相比，案例教學法更注重實踐與實例的結合，激發學生積極思考和主動參與的能力，從而達到鞏固知識的目的。任務驅動教學法則是教師將教學內容設計分為一個或者多個待解決的任務，學生通過完成這些任務掌握課程內容，實現教學目標[3]。在這一過程中，隨著任務的逐步完成，學生的學習信心和成就感顯著增強，這種信心和成就感將激勵他們更深入地學習醫學統計學。案例教學法與任務驅動教學法的結合，充分發揮了兩者的優勢，形成了一種新的實驗課教學方式。

數字時代背景下，互聯網、人工智能（Artificial In- telligence，AI）等數字技術迅猛發展，并被廣泛應用于社會生產與生活。推動教育的數字化轉型、加強培養學生的數字素養與創新思維能力成為教育改革的重要趨勢。隨著OpenAI公司發布了一種具備強大的言語理解和答復能力的語言模型，即人工智能自然語言處理機器人（Chat Generative Pre-trained Trans- former， ChatGPT），人類步入生成式AI的時代[4]。以ChatGPT為代表的生成式AI技術能夠根據使用者的不同要求生成所需要的文字、圖片及視頻等，具有內容生成更加高效和準確、生成內容更加多樣化、個性化定制服務更加靈活、創新能力更強的優勢[5]。AI時代的醫學教育已經發生變化，盡管在醫學研究和實踐應用中AI得到廣泛的使用，但是在醫學課程教育中，其開展和運用依然相對有限[6-8]。本研究可以為醫學統計學實驗課程教學提供新的思路——構建AI背景下案例+任務驅動教學法。

2 AI背景下案例+任務驅動教學法的意義

2.1 以學生為中心的新型教學模式

醫學統計學實驗課程教學始終以學生為中心，并將這一理念貫穿于課程設計與課堂教學過程。任務驅動教學法的特點是以任務為主線、學生為主體、教師為主導，改變以往以教師為中心，單向灌輸為主的被動教學模式，形成以學生為中心的新型教學模式。在課堂中應用案例教學法，結合與學生專業相關的實際問題，激勵學生主動參與、小組協作及創新探索，切實提高學生對數據的實踐分析能力。案例+任務驅動教學法強調培養學生的自主學習能力和解決實際問題的實踐應用能力，提高學生素質，助力他們未來更好地實現個人發展。

2.2 以案例+任務驅動教學法提升學習效果

在醫學統計學實驗課程中不僅強調學習理論知識，更注重學生的實際應用能力。案例 + 任務驅動教學法有助于學生將理論與實踐相結合。在教學過程中引入了經典的臨床案例，并提供了具體數據，設置了學生未來可能遇到并需要解決的代表性任務。學生在課堂中以小組的形式就具體的任務自由討論，通過合作分析與交流共同解決問題。通過學習醫學統計學課程，學生能夠掌握醫學科研中的數據整理、分析及表達的方法，培養其科學的統計思維及解決臨床實際問題的能力。在統計分析的過程中，SPSS軟件作為輔助教學工具，簡化了計算過程，提高學生解決實際問題的效率。

2.3 AI激發學生對醫學統計學的學習熱情

將ChatGPT等AI技術作為教學基礎，不僅能夠提高教師的教學效率，更好地改善教學效果，還能夠激發學生的學習熱情，推動醫學教育地不斷進步。教師利用AI技術的創造性，開發多樣化的教學資源，從而為學生提供更加豐富的學習體驗，提高學生對于醫學統計學實驗課程的學習興趣。在醫學統計學實驗課程的教學中，教師用動態圖片取代靜態圖片，用思維導圖取代大段文字，用短視頻講解取代幻燈片講解，取得了良好的教學效果。利用AI可以充分發揮教學方法的優勢，豐富教學手段，激發學生的學習熱情。面對AI背景下的醫學生對于提高職業競爭力的需求，醫學生需要具備在學習中掌握獲取更多知識，從知識中發現新的問題，從而進行科學研究的能力。有研究表明大部分醫學生希望能將AI納入醫學課程，并且對自身創新能力、培養批判性思維能力及提升自主學習能力等方面有提升的想法與需求[9]。

2.4 AI輔助快速獲取醫學統計學教學素材

醫學領域的知識不斷更新，這對教師和醫學統計學課程設計提出了更高的要求。更新的內容需要快速地整合到課程教學之中，從課程設計思路到課程教學素材準備，教師都需要反復精心打磨，這會導致教師在教學準備階段投入大量的精力與時間。醫學統計學實驗教學內容具有高度的專業性和實踐性，因此要求相應的教學資源具備較高的專業性。然而，網絡上資源有限，教師獲取資源較難。生成式AI的出現能夠輔助生成醫學統計學的教學素材，教師可以通過與AI對話來詢問教學的思路、方法及設計等，在AI反饋信息的基礎上整理能夠運用到教學中的素材。例如，教師可以與ChatGPT對話，提出“生成一份主題為總體均數估計與假設檢驗的實驗教學設計”的需求，ChatGPT會提供相關的回答，從教學目標、教學內容、教學實施和課后習題布置等方面給出相應建議，教師可以將其作為參考資料。

2.5 AI輔助制作醫學統計學教學課件

教學課件是教師常用的教學資源之一，但由于教師平時忙于教學和科研工作，并且可能對于課件審美定位認識不足，課件制作技巧掌握不熟練，制作出來的教學課件往往不盡如人意。生成式AI的出現，幫助教師提高工作效率，能夠從多方面改善教學課件的質量。利用AI繪畫技術，可以根據文字實現文字生成圖片，使教學內容表達更加直觀；利用AI智能語音合成技術，可以為課件生成詳細的語音講解，提高課件對學生的吸引力，也能幫助學生對教學內容有更深刻地理解與記憶；利用AI生成音頻技術，可以為課件生成個性化的背景音樂，提高課件的表現力；利用AI生成教學課件的大綱，例如，利用ChatGPT可以智能生成以“定量資料的統計描述”為主題的實驗教學課件的大綱；利用AI可以從海量的醫學案例中獲取有價值的信息，針對不同理論知識為學生提供豐富的案例資源，在實驗課中組織學生進行案例討論，作為理論知識的實際應用，可以引導學生積極思考。

2.6 AI輔助醫學統計學課程評估

由于AI的發展增強拓展了計算機算法在教育領域的應用，可期實現醫學統計學課程考核的自動化。針對教師主體評估，可以分析并量化教師對于醫學統計學實驗課程的教學組織情況、實際的授課內容與教學大綱所規定的授課內容之間是否存在偏離；針對學生主體評估，可以分析并量化學生的出勤率、課堂表現情況，如紀律、互動等方面，以及課后作業的完成情況。通過AI綜合自動分析教師與學生的表現，結合問卷建立起一套對于課堂教學質量可以自動評估的體系與機制。經過在醫學統計學實驗課程中運行，可以作為AI自動評估的實例，使AI能更好地服務于教育領域的課程評估之中，并為教學質量評估提供有益的支持和指導。已有研究采用人工神經網絡等機器學習的方法建立統計學模型，進行課程質量評估，可以幫助判斷課程的教學質量[10]。許多醫學教學方法研究采用問卷法和課堂考核相結合的方式進行教學效果評估[11-13]。

3 建設AI背景下基于案例+任務驅動教學法的綜合性教學體系

3.1 制定教學目標

教師可以根據醫學統計學的強實踐性與應用性，結合學生個體及社會對于臨床科研的實際需求，以培養實踐能力和思維能力為基礎，將教學目標設定為三個層次：知識與技能、應用與實踐、思維與能力。知識與技能為基礎目標，旨在通過復習、歸納，讓學生掌握理論課中的基本概念、理論和知識點，并熟練操作SPSS統計軟件；應用與實踐為中級目標，要求學生熟悉醫學真實世界數據的綜合分析，并正確解讀軟件分析結果；思維與能力為高級目標，涵蓋辯證統一思維、批判性思維及創新能力等方面，培養學生科研能力。

3.2 重構教學設計

本研究設計“數據素養—統計描述—統計推斷”三段式統計教學過程，即首先分析數據來源、變量類型及資料類型，其次根據資料的類型確定描述的統計指標，最后根據研究目的選擇合適的統計分析方法，進行統計推斷。這一過程連貫、有序地層層推進，培養學生完整的統計思維。數據素養部分融入課程思政，分析數據的來源，強調每個數據背后都是一個有生命的個體，要有敬畏心，遵守科研誠信道德和行為規范。統計描述部分涉及計量資料的集中趨勢和離散趨勢和分類資料相對比指標的選擇和計算，結合實際案例，進一步內化所學知識，并將其應用到實際案例，提高學生的參與度和積極性。統計分析部分主要指針對研究的設計類型、資料類型及分析目的等，選擇適宜的統計分析方法，以及假設檢驗結果的正確理解，培養學生的思辨能力及統計應用能力。

3.3 做好教學案例

許多臨床相關專業的研究受限于臨床實際情況，在課題實施過程中，醫學研究設計存在的問題比較突出，醫學論文的統計學分析的正確應用情況還有待提升。利用AI設計的教學案例應新穎、科學、貼近臨床專業，而且可以應用于“數據素養—統計描述—統計推斷”三段式統計教學全過程。設計正面案例，通過任務驅動法將研究目標分解為多個子任務，幫助學生構建完整的醫學統計學理論知識體系，提升科研水平。在數據素養部分，了解資料的收集過程，強調在科研過程中正確地進行數據分析的重要性；在統計描述部分，學生掌握描述臨床資料的方法，如通過統計表和統計圖觀察資料分布類型，從而選擇適合的統計學指標描述數據特征；在統計推斷部分，根據分析目的，引導學生對教師布置的若干個任務逐個解決。設計反面案例能夠讓學生通過錯誤辨析及小組討論，發現案例分析中存在的統計方法誤用的問題，提高學生發現問題、解決問題的能力，培養學生嚴謹的科研素養和辯證的思維能力。

3.4 建立多元化教學考核體系

實驗課中的考核內容不僅應涵蓋理論知識和統計軟件操作能力的評估，還包括醫學統計學知識的實際應用能力以及學習結束后的思維能力等方面的考核。實驗課教學過程的形成性評價包括學生課堂積極發言、與教師積極互動、討論的參與度、實驗結果呈現等方面。此外，教師和教學過程的評價反饋也應被納入該課程的考核范圍。對于學生的考核中，知識與技能目標的評估采用知識點隨堂提問、討論結果匯報及實驗報告等形式，考查學生對于理論知識、基本軟件操作知識等的掌握情況；應用與實踐目標的評估采用綜合案例分析提問、集中討論發言及應用軟件進行數據分析等形式，考查學生應用統計學理論知識在統計軟件中實現對數據的實踐分析能力；思維與能力目標的評估可以通過問卷對學生進行定量評估，同時在學習行為方面、師生互動方面、知識系統性方面、學習能力提高方面了解學生們的學習情況；教學評價反饋通過問卷調查、學生個別談話、學生座談會等形式收集。教師收到反饋信息后應進行反思，總結經驗與不足。本研究設計的問卷主要內容包括：①學生的基本情況，如姓名、年齡、性別和專業等；②學習行為方面，如對于課程學習的興趣、課程學習的難度、課程學習及展開課外學習的主動性；③師生互動方面，如教學過程中師生之間交流的情況、有關統計學分析的課題參與度及課后與教師和同伴學習情況交流的參與度；④知識系統性方面，如統計理論知識的掌握程度、構建知識體系情況、形成學習方法和統計思維情況及應用知識的實踐程度；⑤學習能力提高方面，如統計方法的應用及統計學軟件的應用；⑥課程滿意度方面，教學內容、教學水平及教學過程的滿意度。

4 AI背景下案例+任務驅動教學法在實驗課程中的實施

以臨床醫學專業學生為授課對象，按照醫學統計學實驗學時（12學時）安排，結合臨床醫學執業醫師考試大綱，設計三次實驗內容，即計量資料的統計分析、分類資料的統計分析、相關與回歸的統計分析，內容涵蓋臨床醫學執業醫師考試大綱的主要統計分析方法。計量資料的統計分析，涉及知識點包括計量資料的統計描述、統計推斷（點估計和區間估計）、t檢驗及方差分析。分類資料的統計分析，涉及知識點包括分類資料的統計描述、卡方檢驗及秩和檢驗。相關與回歸的統計分析，涉及知識點包括簡單相關與回歸及多重線性回歸。根據每次實驗課程內容，利用AI技術各編寫正面、反面綜合案例。

4.1 正面案例

以計量資料的統計分析為例，編寫案例如下。

案例一：研究者要觀察伴或無冠心病并發癥的高血壓患者臨床特征是否有差異，搜集了某醫院某年內科的高血壓患者的臨床資料，見表1。

任務1：此研究獲得的數據為何種類型？

任務2：此研究屬于什么類型的設計？

任務3：通過收集的樣本信息，是否直接得出其代表的兩個總體有差異的結論？要解決該問題可以用統計學中哪部分理論內容來分析？

任務4：如何進行假設檢驗，具體的檢驗步驟如何進行？

4.2 反面案例

以分類資料的統計分析為例，編寫案例如下。

案例二：探討腰椎骨折術后靜脈血栓的發生情況，將85例骨折的患者分為試驗組41人和對照組44人，試驗組為預防靜脈血栓護理模式實施后的患者，對照組為尚未實施預防靜脈血栓護理模式的患者，試驗組發生靜脈血栓有2例（發生率為4. 88%），對照組發生靜脈血栓有8例（發生率為18. 18%）。研究者采用t檢驗比較兩組術后靜脈血栓的發生率（t= 6. 151，P<0. 05），因此得出對照組靜脈血栓的發生率高于試驗組，差異有統計學意義。

問題1：該研究者的結論是否是正確的？

問題2：此研究獲得的數據屬于何種類型的數據？

問題3：此研究屬于什么類型的設計？

問題4：為解決該問題，可以使用統計分析中的哪部分理論知識？

問題5：假設檢驗的具體檢驗步驟如何進行？

5 AI背景下案例+任務驅動教學法實施的展望

5.1 注重批判性

AI在醫學統計學實驗課程中的潛力將進一步釋放，然而，ChatGPT等生成式AI技術是基于大數據生成的內容，其生成內容不一定完全準確。在使用AI技術生成相應的醫學統計學教學資源前，教師應了解內容的準確性和可靠性，以避免誤導學生或提供錯誤答案。在進行教學準備時，教師需要對AI輸出內容進行審查和驗證，以確保其科學合理性并且與教學目標保持一致。在醫學統計學實驗課程中也需要進行數據分析與圖像繪制，在許多研究中，有效利用數據進行圖像分析已成為AI在醫學教育中應用的關鍵[14-15]。教師在教學中要注重需要培養學生的批判性思維，學生需要有辨別AI生成內容真偽的能力，如學生利用統計學軟件繪制出的圖像要符合數據分析邏輯。醫學統計學課程教學中注重批判性，為學生未來可能面對醫療領域的科研挑戰做好準備。

5.2 注重個性

得益于信息技術的發展，醫學統計學教學逐漸從傳統的以教師為主體的教學模式轉變為新的教學模式。個性化學習是一種以學生的個性差異為基礎的學習方式，在以傳統的講授教學方法為主的班級授課中難以真正實現，而將AI融入實驗教學課程中，也需要為學生的個性化學習提供支持。在開發與整理教學資源時，教師應該將自身的專業知識和經驗融入AI技術的應用中，提供更全面和準確的個性化教學資源，以期實現學生根據自身針對醫學統計學課程的學習基礎與理解掌握知識的程度，進行個性化學習。

5.3 注重創新性

隨著技術的不斷進步，AI在醫學統計學課程中的應用將持續增加，在醫學教育中將發揮更重要的促進作用。未來新的AI技術必然將不斷更新與發展，教師和學生都應該保持持續學習的態度。教師需要了解最新的AI技術和應用，更新教學方法、策略、設計等，以更好地應對在醫學統計學的課程教學中的挑戰和需求。在教學過程中，鼓勵學生應用具有創新性的數據分析和處理方法，注重培養與提高學生的創新能力。

6 結語

綜上所述，隨著AI的應用，將促進醫學統計學實驗課程的數字化發展，在AI背景下實施案例+任務驅動教學法能夠實現以學生為中心、提升教學效果、激發學生學習熱情、輔助教師快速獲取教學素材和教學課件、輔助進行課程評估。但其應用還存在一定發展空間，未來還需要更多地研究比較分析AI輔助的案例+任務驅動醫學課程教學方法和傳統的醫學課程教學方法。

參考文獻：

[1]崔凱，孟偉涵，葛曉燕.基于OBE理念的醫學統計學課程教學改革探索[J].錦州醫科大學學報（社會科學版），2024，22（3）：58-61.

[2]張慧蕓，韓冉，段學光，等.翻轉課堂與案例教學法結合應用于醫學實驗診斷學教學的探索[J].中國中醫藥現代遠程教育，2022，20（7）：5-7.

[3]張麗波，楊惠雯，焦雨梅.任務驅動法在生理學實驗教學中的應用與思考[J].錦州醫科大學學報（社會科學版），2021，19（4）：49-52.

[4]白潔，周進祝.ChatGPT生成式AI時代“醫學統計學”教育的挑戰與應對[J].繼續醫學教育，2024，38（8）：136-139.

[5]韋永圣，左佐壟川，陸飛宇.生成式AI技術在醫學院校教學資源開發中的應用探析[J].電腦知識與技術，2024，20（27）：31-33.

[6]陳玲，蔣雨楓.5G+AI技術賦能醫學本科教學改革的相關探索[J].臨床醫學研究與實踐，2024，9（11）：168-171.

[7]劉培峰.AI賦能的問題驅動學習法融合案例學習法的新模式：在腫瘤學教學中的應用探索[J/OL].腫瘤，2024，44（8）：1-10.（2024-10-24）[2024-12-13].https：//kns. cnki.net/kcms/detail/31.1372.r.20241023.1450.002. html.

[8]何茂章，王姝妹，丁瑞培，等.基于新醫科與AI技術融合的醫學教學模式探討[J].湘南學院學報（醫學版），2024，26（3）：63-66.

[9]汪潔.新醫科背景下醫學生對人工智能課程需求的調查研究[J].科教文匯，2024（15）：90-94.

[10]鐘敏，胡燕，程茜，等.人工智能在醫學教育中的應用現狀與思考[J].中國繼續醫學教育，2020，12（18）：79-81.

[11]孫紅標，徐少春，鄒勤，等.臨床醫學專業醫學影像學課程的課堂教學評價研究[J].中國繼續醫學教育，2024，16（12）：38-42.

[12]徐俊芳，覃思，郭孝鵬，等.臨床醫學專業預防醫學課程教學滿意度評價量表分析[J].教育觀察，2023，12（8）：79-85.

[13]孫夏承，吳菲菲，李凱峰，等.基礎醫學綜合實驗課程過程性評價的改革和實踐[J].基礎醫學教育，2023，25（9）：797-801.

[14]井杰，黃曉春.人工智能與檢驗醫學輔助診療的現狀及應用前景分析[J].國際檢驗醫學雜志，2022，43（21）：2669-2673.

[15]羅燕，伍建林.基于人工智能的醫學圖像分析在乳腺癌中的應用進展[J].齊齊哈爾醫學院學報，2020，41（1）：96-99.

（編輯：楊雪瑩 趙伊昕）