基于PST+CDIO融合模式的健康醫療大數據挖掘與應用課程改革與實踐

摘要：醫學信息工程與智能醫學工程等新興學科對跨學科實踐能力提出了更高要求，傳統教學模式難以滿足健康醫療大數據課程的復雜需求。該研究構建了一種融合PST（教學法—社會交互—技術支持） 與CDIO（構思-設計-實施-運作） 的教學新模式。該模式通過重構課程體系，并依托校企共建平臺實施項目驅動式教學。覆蓋686名學生，學生競賽獲國家級、省級獎項9項，成功將一項價值30萬元的企業橫向課題轉化為教學項目，構建了多元評價混合教學平臺。該模式有效提升了學生的實踐能力、協作水平與產業適應性，為同類醫工交叉課程的教學改革提供了一種可借鑒的范式。

關鍵詞：醫工交叉課程；PST；CDIO

中圖分類號：TP391" " " 文獻標識碼：A

文章編號：1009-3044（2025）21-0114-04

開放科學（資源服務） 標識碼（OSID）

0 引言

隨著人工智能與大數據技術的迅猛發展，醫學信息學正經歷著深刻的變革。《“健康中國2030”規劃綱要》明確提出推進健康醫療大數據應用，而教育部“六卓越一拔尖”計劃2.0則強調要深化“新工科”“新醫科”交叉融合，培養具備醫工結合能力的復合型人才[1]。在此背景下，《健康醫療大數據挖掘與應用》作為醫學信息工程、智能醫學工程等相關專業的核心課程，其教學成效直接關系到健康醫療大數據領域人才培養的質量。

然而，目前課程教學實踐中面臨三重結構性矛盾：

一是課程本身跨學科的知識體系與當前單一化的教學方式難以匹配[2]。課程需融合醫學、計算機科學、統計學等多領域知識，但傳統以講授為主的教學模式占比超過80%（2022—2023年課程觀測數據） ，導致學生難以建立系統性的認知框架；

二是技術快速迭代與實踐資源滯后的矛盾。醫療AI領域技術年更新率高達67%（《中國醫療人工智能發展報告2023》） ，但課程實踐案例中的醫療真實場景覆蓋率不足20%，學生的實操能力培養明顯滯后于行業需求；

三是能力培養的綜合性與評價體系碎片化的矛盾。醫工交叉人才需要兼具技術應用能力、團隊協作能力與臨床思維，但現有評價體系中期末筆試占比80%，過程性評價嚴重缺失，難以全面反映學生的綜合能力成長。

為破解以上難題，國內外相關研究嘗試通過教學模式改革進行探索。CDIO（Conceive-Design-Implement-Operate） 工程教育模式強調通過項目全周期訓練提升實踐能力[3]，PST框架（Pedagogical-Social-Technical Affordance） 為混合教學提供了系統性的支撐[4]。但現有探索亦存在不足：一是PST模式在醫學數據課程中多停留于在線交互層面[5]，缺乏產業實踐深度融合；二是CDIO教學常受限于虛擬化案例[6]，真實醫療數據和場景的引入不足；三是PST與CDIO融合的研究主要集中于工科，鮮見在健康醫療大數據類課程中形成成熟范式[7]。

基于上述問題，本研究提出“PST+CDIO”融合教學模式改革。理論層面，構建“教學法-社會交互-技術支持”三維融合框架，系統支撐CDIO的項目全過程實施；實踐層面，依托校企共建的“健康醫療大數據平臺”（涵蓋32個真實醫療案例庫） ，將來自企業的實際橫向課題轉化為教學項目；評價層面，構建以過程性考核為主（占比60%） 的多元評價體系，覆蓋知識應用、協作能力與創新思維等維度。本文通過兩輪教學實踐，系統驗證了該融合模式在“產業需求驅動—社群協作學習—動態能力評價”教學閉環構建中的有效性，為健康醫療大數據人才培養的范式轉型提供了有益借鑒。

1 課程問題診斷

基于2022—2023年兩輪教學周期中對332名學生的問卷調研及教師訪談，本課程暴露出以下三方面核心問題：

1） 理論與實踐脫節，應用能力培養受限。課程內容主要依賴課堂講授，真實項目驅動的實踐環節嚴重不足，導致學生對于理論知識的理解難以與實際工程需求、醫療真實場景緊密結合。盡管課程安排了部分數據挖掘與分析實驗，但這些活動與醫療實際數據的聯系較為薄弱，學生難以將所學知識有效遷移到現實問題中。這不僅削弱了應用能力的培養，還影響了學生對課程的興趣與積極性，部分學生甚至表現出被動應付和參與度不足。

2） 學習方式被動，缺乏主動探索與協作。課程涉及多學科交叉內容，但當前的教學模式下，學生大多處于“被動接受”知識的狀態。主動探索和團隊協作的機會十分有限，學生之間的交流合作不足，自我探索空間受限。缺乏社群式交互和項目協作體驗，一些學生對課程缺乏歸屬感，更難在學習過程中找到成長與突破點，導致對核心內容的理解不夠深入。

3） 評價體系單一，技術支持和過程監控不足。課程評價方式基本依賴期末考試，過程性、多元化評價嚴重缺失；學生在項目實踐和日常學習中的表現很難被合理評價和激勵。盡管“超星學習通”“雨課堂”等現有教學平臺具有數據分析和過程監控等功能，但實際應用深度有限，教學資源的系統性配置和技術支持不夠。缺乏有效的過程性評價，使得學生的創新意識和綜合應用能力得不到充分展現和考核，難以滿足高水平智能醫學工程與醫學信息工程人才培養的目標。

2 PST+CDIO融合模式構建

2.1 框架設計

本研究提出了一種PST模式與CDIO項目驅動教學法融合的模式。健康醫療大數據挖掘與應用課程教學采用三層整合機制：教學法層（P） 打破傳統知識體系的束縛，采用CDIO教學法介入課程教學；社會層（S） 采用社群交互模式，在合作學習過程中探索自我價值、共同成長，并獲得認同和理解；技術層（T） 充分利用現有教學技術，注重過程性考核、技能考核等手段，構建混合式教學平臺。以PST理論作為分析框架，從教學法、社會交互和技術支持三個角度具體分析課題。

2.2 實施路徑

2.2.1 改革教學模式，引入CDIO項目式教學法

為實現理論與實踐的深度融合，并以實踐促進理論知識的內化吸收，本課程改革引入了CDIO項目式教學法，突出學生的主體地位，充分發揮教師課堂教學和課后引導作用。依托校企共建平臺，結合企業真實項目和醫療真實案例庫，圍繞項目進行教學，加深學生對理論知識的理解。

1） 重構理論教學內容。課程教學內容分為三大模塊：首先，健康醫療大數據挖掘的基礎理論，以及健康醫療大數據挖掘工具和預處理流程；其次，健康醫療大數據挖掘的核心方法，包括關聯規則分析、回歸、分類、聚類和異常檢測等經典算法；最后，健康醫療大數據分析的綜合應用，重點聚焦于實際醫療數據的分類與聚類挖掘實踐。

2） 實踐環節引入CDIO項目式教學法。實踐環節采用CDIO項目式教學法，通過調研企業和醫院，整合資源并提煉真實醫療項目案例，構建完整的項目驅動學習過程，實現教學與實際應用的結合。以學生作品“顱內動脈瘤破裂風險預測系統”為例，教師提出具有代表性的實際問題，引導學生運用數據挖掘中的分類知識解決醫療疾病預測問題。如圖3所示，學生以小組為單位，經歷構思、設計、實施和運行的完整流程，完成項目任務。在“構思”（Conceive） 階段，學生調查問題背景，提出初步解決方案；在“設計”（Design） 階段，細化方案，制定實施計劃；在“實施”（Implement） 階段，將設計方案轉化為實際操作；在“運行”（Operate） 階段，展示成果，并進行反思與反饋。該流程如圖3所示。通過這種方式，實踐內容與課程知識點緊密結合，幫助學生在解決實際問題的過程中，深化對健康醫療數據挖掘的理解，同時提升綜合應用能力、創新能力和團隊協作能力。

2.2.2 改變學習模式，建立項目驅動的社交群組

結合CDIO模式的“構思、設計、實施和運作”四個環節，為每個項目分配學生社交群組，并邀請企業導師與高校教師共同參與。每個社交群組根據項目需求劃分角色，如項目負責人、數據分析員、技術支持等，確保學生在每個環節中都參與協作并承擔不同職責，同時充分利用企業導師的實際工程經驗和行業資源。

引導社交群組在“構思”階段進行深度團隊合作。社交群組通過討論、頭腦風暴和案例分析，研究項目背景，明確核心問題。利用QQ群、超星學習通等平臺，學生課后持續交流并完善方案。教師負責引導問題分解，企業導師分享行業經驗，幫助學生理解技術可行性和商業價值。

在“設計”階段，引導社交群組分工協作。每個成員根據分工負責具體模塊設計（如數據預處理、模型選擇等） ，并定期討論和反饋，優化方案。企業導師參與討論，結合行業需求提出改進建議，優化設計思路，增強方案的實際應用性。

在“實施”階段，引導社交群組強化技術與知識支持。學生完成各自任務并整合成果，通過共享代碼、實驗數據等方式提升團隊協作能力。企業導師提供技術支持，如調試代碼和優化算法，教師負責進度協調和理論指導，確保項目按計劃推進。

在“運作”階段，引導社交群組進行項目匯報和反思。群組通過展示、報告等形式展示成果，成員反思項目成敗，其他群組進行互評。企業導師從行業角度評價項目可行性并提出優化建議，教師進行總體評價，幫助學生全面總結經驗。

學生在合作學習過程中探索自我價值，實現共同成長，并獲得認同和理解。社群學習的價值不僅在于集體智慧的構建，更在于增強學生對實際行業工作的信心和勝任力。企業導師的融入，使學生在完成項目時獲得更強的成就感和獲得感，同時幫助企業識別潛在人才，實現“產學研”的深度結合。

2.2.3 強化技術支持，構建基于多元評價體系的混合教學平臺

鑒于原有考核方式過度依賴期末考試，對過程性評價關注不足，導致教學技術應用潛力未能充分發揮，本研究對評價體系進行了系統性改革。在教學環節設置了“真實任務”，考核評價注重過程性考核，充分利用現有教學技術，對教與學全程進行質量監控，形成多元評價體系，以便對學生進行激勵和鞭策。

課程評價采用“雨課堂”“超星學習通”“健康醫療大數據平臺”和“7天網絡閱卷平臺”等教學軟件，形成混合教學平臺。充分發揮這些平臺在數據發布、數據統計及實踐教學等方面的功能，合理評定學生的學習成績。基于多元評價體系的混合教學平臺架構如圖6所示。

平時考核（10%） 通過“雨課堂”評估課前預習、出勤、課堂測驗及表現，側重基礎知識掌握、學習態度與素養。實驗考核（20%） 基于“健康醫療大數據平臺”，以實驗任務（含報告） 完成情況評價醫學數據挖掘的實踐操作與問題解決能力。項目考核（20%） 借助“超星學習通”進行，學生三人一組完成任務，依據作品質量、功能實現及PPT匯報效果（師生共評） 考查知識應用、協作、創新及表達能力。期末考試（50%） 依托“7天網絡閱卷平臺”閱卷評分，平臺可實現智能化試卷分析，反映學生對課程核心概念、基本原理和方法的理解。通過合理利用混合教學平臺，過程性考核得以切實執行，多元評價體系加強了對學生的針對性引導。同時，平臺建立了便捷的教學反饋通道，使教師能夠及時發現問題，動態優化教學方法，最終促進學生應用能力與綜合素質的協同發展。

3 實踐成效分析

經過2024—2025年兩輪教學實踐（覆蓋2021至2022級共計686名學生） ，PST+CDIO融合模式在《健康醫療大數據挖掘與應用》課程中展現出顯著成效。在學生能力提升方面，改革成效尤為突出。學生競賽表現由2023年僅獲省級獎項1項，提升至2024年獲得國家級獎項2項及省級獎項7項，學術論文產出由1篇增至6篇，體現了創新能力和科研素養的實質性進步，如表1所示。項目驅動學習效果顯著，學生團隊項目完成率高達98%，典型成果如學生團隊獨立開發的“顱內動脈瘤破裂風險預測系統”（見圖7） ，該項目成功展示了學生整合理論知識以解決復雜臨床問題的綜合能力。

在教學平臺運行與資源利用方面，依托校企共建的“健康醫療大數據平臺”及“雨課堂”“超星學習通”等工具構建的混合教學環境，效能大幅提升。平臺資源整體利用率由改革前的45%提升至82%，平臺深度功能（如臨床效果驗證模塊） 的使用率也得到有效激活，從此前的不足8%提升至60%。過程性評價的深度與廣度顯著增強，依托平臺收集的學習行為、項目進展、協作互動等多維度動態評價數據量增長達3倍，為精準教學干預和個性化能力評估提供了堅實數據基礎。

在產業對接與價值實現方面，該模式成功促成了安徽神州泰岳科技有限公司價值30萬元的企業橫向課題在課程中的落地實施，不僅為學生提供了真實的產業研發環境，也直接推動了“產學研”的深度融合，有效提升了人才培養與行業需求的契合度。

4 討論與展望

本研究探索并實踐的PST+CDIO融合教學模式在《健康醫療大數據挖掘與應用》課程中展現出良好的應用成效，其核心價值在于構建了“產業需求驅動—社群協作學習—動態能力評價”的教學閉環。該模式顯著提升了學生在復雜醫療數據場景下的實踐應用能力、團隊協作水平及產業適應性，為醫工交叉類課程的改革提供了可資借鑒的范式。其整合教學法設計（P） 、社群協作機制（S） 與技術支持評價（T） ，以支撐CDIO項目全流程的理念與實踐路徑，具備向同類醫工融合課程推廣的潛力。然而，該模式的持續深化與推廣仍面臨關鍵挑戰。首要挑戰在于校企協同的可持續性：如何構建長效共贏機制，以保障高質量真實項目與行業導師資源的持續供給，是模式推廣的關鍵。其次，在跨院校、跨區域推廣應用時，如何解決不同教學平臺（如不同的在線學習管理系統、數據平臺） 之間的技術兼容性與數據互通性，是需要攻克的技術與管理難題。展望未來，可在以下方向持續探索：一是基于該模式的成功經驗，橫向拓展構建覆蓋醫療大數據采集、治理、分析、應用全鏈條的課程群，形成更系統化的知識能力培養體系；二是開發配套的系列MOOC課程，并建立行業認可的實踐能力認證體系，從而提升學生的就業競爭力與社會認可度。擴大優質教學資源的覆蓋面與影響力，服務更廣泛的健康醫療大數據人才培養需求，更好地支撐“健康中國2030”和“新工科”“新醫科”建設戰略目標。

參考文獻：

[1] 李建周，汪麗燕.新醫科背景下智能醫學工程專業人才培養現狀與問題分析[J].醫學信息學雜志，2025，46（5）：98-102.

[2] 李洪修，李曉漪.跨學科主題學習活動：本質解構、現實困境與優化路徑[J].北京教育學院學報，2025，39（3）：80-86.

[3] CRAWLEY E F，MALMQVIST J，?STLUND S，et al.The CDIO approach[M].Rethinking Engineering Education.Cham：Springer International Publishing，2014：11-45.

[4] WANG Q. The PST framework[M].Designing technology-mediated learning environments： perspectives， processes， and applications. Singapore： Springer，2025：9-24

[5] 施實偉.教學交互對大學生在線深度學習的影響及干預研究[D].重慶：西南大學，2024.

[6] 馬國祥，嚴傳波，伊力亞斯·阿卜杜艾尼.計算機虛擬仿真技術在醫學圖像處理教學中的探索[J].信息與電腦（理論版），2022，34（4）：232-234.

[7] 邱偉航，孫家怡.綜述與展望：2024年度中國工程教育領域研究評析[J].科教發展研究，2025，5（1）：65-94.

【通聯編輯：唐一東】