人工智能技術(shù)在醫(yī)學高校領(lǐng)域信息素養(yǎng)教育中的應(yīng)用實踐

中圖分類號：TP18 文獻標志碼：A

0 引言

在知識快速迭代、信息呈指數(shù)級增長的當下，醫(yī)學領(lǐng)域發(fā)展日新月異，對醫(yī)學生的信息素養(yǎng)提出了前所未有的高標準要求。醫(yī)學高校作為醫(yī)學人才培養(yǎng)的關(guān)鍵陣地，其信息素養(yǎng)教育質(zhì)量直接關(guān)系未來醫(yī)學科研與臨床水平的高低。然而，當前醫(yī)學高校在信息素養(yǎng)教育方面仍面臨多重挑戰(zhàn)：一方面，醫(yī)學生信息獲取與篩選能力參差不齊，部分學生難以高效識別、整合關(guān)鍵醫(yī)學資訊；另一方面，面對浩如煙海的學術(shù)資源，許多學生在檢索、甄別及利用過程中顯得力不從心，影響科研與學習效率。更為嚴重的是，信息素養(yǎng)中的核心維度一數(shù)據(jù)素養(yǎng)，在臨床實訓和科研實踐中呈現(xiàn)出明顯短板，制約了醫(yī)學生綜合能力的形成與拓展。

已有研究指出，傳統(tǒng)的信息素養(yǎng)課程內(nèi)容單一、方法陳舊，無法充分應(yīng)對當前信息環(huán)境的復(fù)雜性。而近年來人工智能技術(shù)迅速發(fā)展，特別是自然語言處理、語義分析、智能推薦系統(tǒng)等在教育領(lǐng)域的逐步應(yīng)用，提供了突破傳統(tǒng)教學困境的新路徑。國內(nèi)外研究表明，人工智能可通過構(gòu)建個性化學習平臺、自動化資源推送機制和語義輔助檢索工具，提升學習者的信息檢索效率與批判性思維能力。因此，文章聚焦人工智能技術(shù)在醫(yī)學高校信息素養(yǎng)教育中的融合路徑，系統(tǒng)分析其技術(shù)適配性與教育可行性，旨在為提升醫(yī)學信息素養(yǎng)教學成效提供參考。

1現(xiàn)階段醫(yī)學高校信息素養(yǎng)問題分析

1.1醫(yī)學生信息獲取能力不均

當前醫(yī)學生在信息獲取能力方面存在明顯差異。部分學生能夠熟練使用各類數(shù)據(jù)庫和檢索工具，有效獲取高質(zhì)量的科研和臨床信息，具備較強的信息整合與應(yīng)用能力，為科研訓練和專業(yè)發(fā)展打下了堅實基礎(chǔ)。然而，仍有不少學生信息檢索意識與技能較為薄弱，對專業(yè)數(shù)據(jù)庫不熟悉，難以準確定位所需信息，且缺乏對信息真實性與價值的判斷能力。這種能力差異不僅影響個人的學習效果，還可能在教學過程中拉大整體能力水平的差距，制約人才培養(yǎng)質(zhì)量的整體提升。

1.2學術(shù)資源篩選效率低下

醫(yī)學知識更新迅速，學術(shù)資源呈現(xiàn)爆炸式增長，學生在面對海量信息時常感無所適從。由于缺乏系統(tǒng)的資源篩選方法和檢索策略，不少醫(yī)學生在查閱資料時投入大量時間，卻難以獲取高質(zhì)量、有針對性的內(nèi)容，導(dǎo)致學習效率低下、科研思路受限。對不同數(shù)據(jù)庫、文獻類型、學術(shù)資源的價值判斷不清，也加劇了資源篩選的盲目性，影響了學生對前沿知識的掌握[1]

1.3臨床與科研數(shù)據(jù)素養(yǎng)脫節(jié)

醫(yī)學生在臨床實踐中需具備快速分析病人數(shù)據(jù)的能力，在科研工作中則需掌握嚴謹?shù)臄?shù)據(jù)處理和分析方法。然而，在實際學習中，二者之間往往存在割裂，部分學生難以將科研中掌握的數(shù)據(jù)分析技能遷移到臨床決策中，或忽視臨床數(shù)據(jù)在科研中的潛在價值。這種脫節(jié)現(xiàn)象，不僅影響專業(yè)能力的系統(tǒng)提升，也不利于醫(yī)學教育“科研-臨床”一體化目標的實現(xiàn)。

2醫(yī)學生信息素養(yǎng)問題成因分析

2.1教育資源分布與指導(dǎo)機制不足

醫(yī)學生信息獲取能力差異的根本原因在于信息素養(yǎng)課程普及度不高，部分高校未建立系統(tǒng)化的培訓體系。加之教師指導(dǎo)多集中于專業(yè)知識，對數(shù)據(jù)庫檢索、文獻篩選等技能訓練不足，導(dǎo)致學生依賴個人摸索，進而形成能力差異。

2.2信息篩選方法缺失與技術(shù)素養(yǎng)薄弱

在學術(shù)資源篩選方面，學生普遍缺乏結(jié)構(gòu)化的信息處理方法。面對快速更新的醫(yī)學文獻，未能掌握科學的檢索邏輯與評判標準，同時對數(shù)據(jù)庫工具功能不了解，使資源篩選呈現(xiàn)低效、盲目狀態(tài)。

2.3課程設(shè)置分離與實踐場景缺乏融合

臨床與科研數(shù)據(jù)素養(yǎng)脫節(jié)的主要成因在于教學環(huán)節(jié)中科研與臨床被割裂。課程設(shè)計未有效銜接數(shù)據(jù)分析與臨床應(yīng)用，導(dǎo)致學生難以實現(xiàn)跨情境遷移，信息素養(yǎng)無法在實際場景中發(fā)揮應(yīng)有作用。

3人工智能技術(shù)的適配分析

3.1自然語言處理輔助信息檢索

在醫(yī)學高校信息素養(yǎng)教育中，自然語言處理通過一系列復(fù)雜技術(shù)，使計算機能理解和處理人類自然語言，為醫(yī)學信息檢索提供更高效、精準的方式，具體應(yīng)用框架如圖1所示。

此外，醫(yī)學領(lǐng)域包含大量專業(yè)術(shù)語，通過自然語言處理技術(shù)中的詞法分析技術(shù)，對醫(yī)學文本進行切詞、詞性標注，將醫(yī)學術(shù)語和句子拆分成計算機容易處理的單元，如在檢索“急性冠狀動脈綜合征的治療方案”時，詞法分析會將“急性”、“冠狀動脈綜合征”、“治療方案”等詞進行拆分，提高檢索的準確性。

句法分析技術(shù)用于分析句子語法結(jié)構(gòu)，理解詞語之間的依存關(guān)系，這對于理解醫(yī)學文獻檢索語句含義具有重要作用。例如，對于“使用藥物治療糖尿病伴發(fā)心血管疾病的效果研究”，句法分析可以理解出“藥物治療”“糖尿病”、“心血管疾病”、“效果研究”之間的邏輯關(guān)系，進而匹配到相關(guān)文獻。

語義理解技術(shù)是自然語言處理的核心，使計算機能夠理解醫(yī)學術(shù)語的含義和文本的深層語義，醫(yī)學領(lǐng)域存在大量的同義詞、縮寫詞和多義詞語，并且語義理解技術(shù)能夠消除歧義，借助醫(yī)學本體知識庫等資源對信息進行準確匹配。以“心?！焙汀靶募」Ｋ馈睘槔Z義理解技術(shù)能識別它們是同一概念，確保檢索結(jié)果的全面性[2]

基于自然語言處理的信息檢索框架，用戶首先輸入自然語言檢索詞，經(jīng)過詞法分析、句法分析和語義理解等預(yù)處理步驟，將檢索詞轉(zhuǎn)化為計算機可理解的形式。然后，檢索系統(tǒng)根據(jù)預(yù)處理結(jié)果，在醫(yī)學文獻數(shù)據(jù)庫中進行匹配檢索，最后排序篩選出檢索結(jié)果，呈現(xiàn)給用戶最符合用戶需求的文獻。

醫(yī)學生通過自然語言處理輔助信息檢索，可以直接用自然語言表達檢索需求，無須記憶復(fù)雜的檢索語法和專業(yè)詞匯，檢索效率和準確性大大提高，提升醫(yī)學院校學生的信息素養(yǎng)，對學生學習、科研、臨床等方面的工作提供有力的支持。

3.2智能推薦系統(tǒng)優(yōu)化知識獲取路徑

在醫(yī)學院校的學習環(huán)境中，智能推薦系統(tǒng)借助人工智能算法，深度分析醫(yī)學生的學習行為、興趣偏好、檢索歷史等多維度數(shù)據(jù)，為其提供精準、個性化的知識推薦，從而優(yōu)化知識獲取路徑，如圖2所示。

數(shù)據(jù)收集階段，系統(tǒng)整合學習平臺、文獻檢索系統(tǒng)等多渠道數(shù)據(jù)，記錄醫(yī)學生的學習進度、作業(yè)完成情況、檢索關(guān)鍵詞、瀏覽行為及在線互動等，全面反映其知識掌握和信息需求。

分析處理階段，系統(tǒng)運用協(xié)同過濾算法，根據(jù)相似興趣醫(yī)學生的行為推薦常瀏覽資源；內(nèi)容推薦算法依據(jù)文獻的主題特征匹配學生檢索歷史；深度學習算法進一步挖掘醫(yī)學數(shù)據(jù)，提高推薦精準度[3]

推薦呈現(xiàn)階段，系統(tǒng)將結(jié)果以個性化消息、推薦列表等方式推送至學習平臺界面。比如，對于學習外科課程的學生，系統(tǒng)可能推薦手術(shù)創(chuàng)新論文、經(jīng)典案例視頻及會議信息。智能推薦系統(tǒng)幫助醫(yī)學生高效獲取所需知識，降低信息篩選成本，提升信息素養(yǎng)和專業(yè)適應(yīng)能力。

3.3語義識別提升科研數(shù)據(jù)理解力

在醫(yī)學科研場景中，語義識別技術(shù)通過詞法、句法和語義分析，對科研文本信息進行深度解析。詞法分析可精準識別專業(yè)術(shù)語并標注詞性，如“冠狀動脈粥樣硬化性心臟病”等；句法分析明確詞匯間關(guān)系，如“藥物A治療疾病B，癥狀C緩解”中治病手段、對象與結(jié)果的邏輯聯(lián)系；語義分析則整合這些信息，消除歧義，提升醫(yī)學生對語篇的理解能力。

語義識別結(jié)合醫(yī)學本體知識庫，將文本信息與結(jié)構(gòu)化的醫(yī)學知識體系比對匹配，例如“DM”通過語境識別為“糖尿?。―iabetesMellitus）”，提升專業(yè)術(shù)語解析的準確性。該技術(shù)還可將醫(yī)學圖像、基因序列等非文本數(shù)據(jù)語義化：如通過圖像識別提取X光片特征并轉(zhuǎn)化為“肺部疑似病變區(qū)域”，或?qū)A基序列轉(zhuǎn)化為“與某遺傳病相關(guān)”的語義信息[4]

語義識別還能融合可視化技術(shù)，將復(fù)雜科研數(shù)據(jù)以圖表方式呈現(xiàn)，如疾病發(fā)病率趨勢圖、治療效果對比圖等，增強醫(yī)學生對數(shù)據(jù)的趨勢與規(guī)律的理解，提升科研素養(yǎng)。

語義識別技術(shù)在智能分析層，通過機器學習和深度學習算法對采集數(shù)據(jù)進行挖掘，運用聚類算法將學習行為相近者歸類，便于精準推送學習資源；通過關(guān)聯(lián)規(guī)則挖掘分析學習行為與信息素養(yǎng)提升間的潛在聯(lián)系，進一步強化醫(yī)學生科研數(shù)據(jù)的理解與應(yīng)用能力。

4應(yīng)用實踐路徑與案例

4.1構(gòu)建基于AI的素養(yǎng)提升系統(tǒng)模型

在醫(yī)學高校信息素養(yǎng)教育中，構(gòu)建基于AI的素養(yǎng)提升系統(tǒng)模型是提升醫(yī)學生信息素養(yǎng)的創(chuàng)新舉措，其核心在于融合多種AI技術(shù)，打造全方位、多層次的學習支持體系。

數(shù)據(jù)采集層廣泛收集學習行為、信息檢索、科研實踐等多源數(shù)據(jù)，并融合為統(tǒng)一數(shù)據(jù)集，確保全面性。智能分析層運用聚類、深度學習等算法，對學生行為數(shù)據(jù)進行深度挖掘，劃分學習群體，識別行為模式與素養(yǎng)提升的關(guān)聯(lián)，為精準服務(wù)提供依據(jù)。通過多源數(shù)據(jù)融合公式：

D=D₁+D₂+D₃+O_…+D_n

其中， D 代表綜合數(shù)據(jù)， D₁ 到 D_n 分別表示不同來源的數(shù)據(jù)，將分散的數(shù)據(jù)整合為統(tǒng)一的數(shù)據(jù)集，確保數(shù)據(jù)的完整性和全面性。

智能分析層，運用機器學習、深度學習算法對采集的數(shù)據(jù)進行深度挖掘。以聚類算法為例，可將具有相似學習行為和信息需求的醫(yī)學生劃分為不同群體，便于針對性地提供學習資源和指導(dǎo)。通過關(guān)聯(lián)規(guī)則挖掘算法，發(fā)現(xiàn)學習行為與信息素養(yǎng)提升之間的潛在關(guān)系，如頻繁使用專業(yè)數(shù)據(jù)庫檢索的學生在科研項目中的表現(xiàn)更優(yōu)。這一層就像智慧大腦，從海量數(shù)據(jù)中提煉出有價值的信息。

素養(yǎng)評估層，基于智能分析的結(jié)果，建立科學的信息素養(yǎng)評估指標體系。該體系包括信息獲取能力、信息篩選能力、數(shù)據(jù)處理能力、知識創(chuàng)新能力等維度。利用層次分析法確定各評估指標的權(quán)重，通過模糊綜合評價公式：

其中， s 代表綜合評價結(jié)果， W_i 表示第 i 個指標的權(quán)重， R_i 表示第 i 個指標的評價得分， m 為指標總數(shù)，對醫(yī)學生的信息素養(yǎng)進行量化評估，精準定位學生的優(yōu)勢與不足。

個性化學習支持層根據(jù)評估結(jié)果，提供定制化學習內(nèi)容，如檢索技巧、數(shù)據(jù)處理課程與實踐項目，并借助智能推薦系統(tǒng)推送相關(guān)資源和科研信息，助力學生有針對性地提升素養(yǎng)。

依托基于AI素養(yǎng)提升系統(tǒng)模型，實現(xiàn)數(shù)據(jù)采集、數(shù)據(jù)挖掘、數(shù)據(jù)評估、個性化學習支持等各個環(huán)節(jié)的閉環(huán)智能化處理，為醫(yī)學高校培養(yǎng)高素質(zhì)信息素養(yǎng)的醫(yī)學人才提供有力的支撐。

4.2應(yīng)用于課程融合與科研訓練中

在醫(yī)學高校，將人工智能技術(shù)應(yīng)用于課程融合與科研訓練，有助于提升醫(yī)學生的信息素養(yǎng)和科研能力。

在課程融合方面，教學模式實現(xiàn)智能化。借助自然語言處理技術(shù)，教師可將復(fù)雜的檢索指令轉(zhuǎn)化為自然語言交互，如學生使用“查找近五年肺癌免疫治療的臨床研究文獻”等表達，智能平臺可精準檢索相關(guān)資料。同時，智能推薦系統(tǒng)根據(jù)學習進度與興趣，推送匹配資源，如基礎(chǔ)檢索教程、專業(yè)數(shù)據(jù)庫使用指南，實現(xiàn)個性化學習。

在醫(yī)學專業(yè)課程中，人工智能圖像識別與數(shù)據(jù)分析技術(shù)的融合提升了教學效果。例如，在病理學教學中，圖像識別算法可自動識別病變組織，提供參考診斷和相似病例，有助于學生直觀掌握病理特征。通過大數(shù)據(jù)技術(shù)分析大量臨床數(shù)據(jù)，學生可深人理解疾病發(fā)展規(guī)律，增強臨床思維能力。

科研訓練中，人工智能同樣發(fā)揮重要作用。語義識別技術(shù)幫助學生快速篩選并理解科研文獻，提取研究方法、實驗結(jié)果等核心信息，大幅提升文獻處理效率。在實驗數(shù)據(jù)分析中，機器學習算法可深人挖掘數(shù)據(jù)背后的潛在規(guī)律，如分析藥物療效與不良反應(yīng)數(shù)據(jù)，幫助發(fā)現(xiàn)關(guān)鍵科研價值[6]

此外，人工智能還可用于實驗?zāi)M，學生可在虛擬平臺上預(yù)設(shè)實驗條件、預(yù)測結(jié)果，優(yōu)化實驗設(shè)計，降低實際操作成本與風險，提升科研訓練的實效性。

4.3實施效果與學生反饋評估

從實施效果與學生反饋評估數(shù)據(jù)來看，基于AI的素養(yǎng)提升系統(tǒng)成效顯著，如表1所示。

在信息獲取、篩選和數(shù)據(jù)處理能力方面，得分均大幅提高，檢索效率更是提升近半，平均耗時從12.4分鐘減至6.8分鐘。推薦資源相關(guān)性得分顯著提升，學術(shù)資源使用頻率翻倍，促進了知識獲取。課程成績平均值提高 11.13% ，反映出學生對知識掌握程度增強。學生滿意度調(diào)查得分從6.3升至9.1，提升幅度達 44.44% ，表明學生對相關(guān)教學實踐和技術(shù)應(yīng)用高度認可，整體上顯示出該系統(tǒng)有效提升了醫(yī)學生信息素養(yǎng)與學習體驗。

5結(jié)語

人工智能技術(shù)為醫(yī)學高校信息素養(yǎng)教育帶來了新的機遇，通過自然語言處理、智能推薦系統(tǒng)和語義識別等技術(shù)的應(yīng)用，有效解決了醫(yī)學生信息獲取能力不均、學術(shù)資源篩選效率低下以及臨床與科研數(shù)據(jù)素養(yǎng)脫節(jié)等問題。本文構(gòu)建的基于AI的素養(yǎng)提升系統(tǒng)模型，在課程融合與科研訓練中取得顯著成效，提升了醫(yī)學生的信息素養(yǎng)和學習體驗。然而，人工智能技術(shù)在醫(yī)學高校的應(yīng)用仍處于發(fā)展階段，未來需進一步優(yōu)化技術(shù)、完善系統(tǒng)，加強教師培訓，以推動醫(yī)學高校信息素養(yǎng)教育的智能化升級，培養(yǎng)更多適應(yīng)醫(yī)學發(fā)展需求的高素質(zhì)人才。

參考文獻

[1]黨夢嬌.遼寧省醫(yī)學高校圖書館信息素養(yǎng)教育研究[J].圖書館學刊，2024（1）：40-42.

[2]金新建，張學敏，王艷，等.醫(yī)學生健康信息素養(yǎng)現(xiàn)狀及影響因素分析：基于安徽兩所醫(yī)學高校的調(diào)查[J].江蘇科技信息，2022（35）：55-59.

[3]高超凡.大數(shù)據(jù)背景下醫(yī)學生信息素養(yǎng)教育體系路徑研究[J].大學，2020（52）：35-36.

[4]吳春雨，楊倩蓉，侯念妤，等.昆明市某高校醫(yī)學生信息素養(yǎng)教育研究[J].云南民族大學學報（自然科學版），2022（3）：366-370.

[5]孫會清，王秀麗，楊靖.融合循證醫(yī)學實踐的高校信息素養(yǎng)教育模式分析[J].中國高等醫(yī)學教育，2020（12）：26-27.

[6]李桂玲，唐美玲，魏雪蓮，等.新媒體環(huán)境下高校學生醫(yī)學信息素養(yǎng)現(xiàn)狀及教育策略研究[J].衛(wèi)生職業(yè)教育，2020（14）：59-60.

（編輯李春燕）

Application of artificial intelligence technology in information literacy education inmedicalcollegesand universities

WANG Yueqi，WANG Linlin， ZHANG Xu， AN Xin （Mudanjiang Medical University，Mudanjiang 157OoO， China）

Abstract：With therapiddevelopment of artificial inteligencetechnology，itsapplication ininformation literacy educationat medicalcolleges has become increasingly widespread.Medical studentsoften exhibitunevenabilities and low effciencyin informationacquisitionandutilization.This paperanalyzes thecurrent statusandchallngesof information literacy education，explores the advantages of AI in informationretrieval，knowledge recommendation，and research support and proposes an AI-based system model for literacy enhancement.The model is applied in teaching andresearch training toevaluate itseffctiveness，aiming topromote the intellgenttransformationof information literacy education in medical institutions.

Keywords：artificial intelligence；information literacy；medical collegesanduniversities；natural language processing;intelligent recommendation system

基金項目：省高校圖工委第八屆科研項目課題;項目名稱：新醫(yī)科教育背景下文獻檢索課程的設(shè)計與實踐；項目編號：2024-089-B。省教育科學“十四五”規(guī)劃2024年度規(guī)劃課題;項目名稱：新醫(yī)科背景下的臨界醫(yī)學教育模式構(gòu)建及數(shù)字化轉(zhuǎn)換路徑;項目編號：GJB1424182。

作者簡介：王玥琪（1990—），女，助理館員，碩士;研究方向：圖書情報與數(shù)字圖書館，信息素養(yǎng)教育，智慧圖書館。