DOI: https://doi.org/10.1186/s12912-025-03115-8
PMID: https://pubmed.ncbi.nlm.nih.gov/40301862
تاريخ النشر: 2025-04-29
المؤلف: M Y Shen وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية والتعليم
نظرة عامة
تبحث ورقة البحث في دمج الذكاء الاصطناعي التوليدي (GenAI) في تعليم التمريض، مع التركيز على تطبيقه في تطوير خطط الرعاية من قبل طلاب التمريض. تستخدم الدراسة تصميمًا نوعيًا، مستفيدة من مقابلات شبه منظمة مع طلاب التمريض في السنة الثالثة الذين تعاملوا مع حالات سريرية مجهولة الهوية وأدوات GenAI متنوعة. تكشف النتائج أن GenAI يعزز الكفاءة والوضوح المفهومي، مما يمكّن الطلاب من التركيز على التفكير السريري من المستوى الأعلى. ومن الجدير بالذكر أن هندسة المطالبات ظهرت كعامل حاسم في تحسين دقة وملاءمة السياق للمخرجات التي ينتجها الذكاء الاصطناعي.
على الرغم من هذه المزايا، أعرب الطلاب عن مخاوف بشأن قيود GenAI، بما في ذلك عدم قدرته على فهم الفروق العاطفية والمخاطر المحتملة على الخصوصية المرتبطة ببيانات الرعاية الصحية الحساسة. وتخلص الدراسة إلى أنه بينما يمكن أن يكون GenAI مكملًا قيمًا لتعليم التمريض التقليدي، إلا أنه لا ينبغي أن يحل محل الكفاءات الإنسانية الأساسية. ويؤكد المؤلفون على الحاجة إلى هندسة مطالبات منظمة وضمانات أخلاقية لتحقيق التوازن بين الابتكار التكنولوجي والقيم الأساسية لممارسة التمريض. يتم تشجيع الأبحاث المستقبلية لاستكشاف أفضل الممارسات لدمج GenAI في مناهج التمريض عبر بيئات تعليمية متنوعة.
مقدمة
إن دمج الذكاء الاصطناعي التوليدي (GenAI) في تعليم التمريض يعيد تشكيل طرق التدريس التقليدية، لا سيما في تطوير مهارات التفكير السريري والتفكير المنطقي. لقد أظهرت أدوات مثل ChatGPT وعدًا كبيرًا في التعليم الطبي، مما يمكّن الطلاب من تحليل سيناريوهات سريرية معقدة وتحسين قدراتهم في التشخيص وتخطيط الرعاية من خلال توليد حالات محاكاة. كما يقوم GenAI بتخصيص تجارب التعلم من خلال تخصيص دراسات الحالة لتلبية احتياجات الطلاب الفردية وتقديم ملاحظات في الوقت الفعلي، مما يعزز من محو الأمية الصحية والكفاءة السريرية. ومع ذلك، فإن التنفيذ الناجح لـ GenAI في تعليم التمريض يتطلب أكثر من المهارات التقنية؛ بل يتطلب تفاعلًا فعالًا مع هذه الأدوات، بما في ذلك هيكلة المدخلات وتنقيح المخرجات من أجل الدقة.
لقد تم دراسة هندسة المطالبات، وهي عملية تصميم الأسئلة أو التعليمات لـ GenAI، بشكل أساسي في سياق الإجابة على الأسئلة الطبية وتقييم الأداء. ومن الجدير بالذكر أن هناك نقصًا في الأبحاث حول تطبيقها في تعليم تخطيط رعاية التمريض، لا سيما في المناطق الناطقة باللغة الماندرين حيث ظهرت نماذج GenAI عالية الأداء جديدة. تهدف هذه الدراسة إلى سد هذه الفجوة من خلال التحقيق النوعي في كيفية تفاعل طلاب التمريض مع ردود GenAI وتنقيحها، مع التركيز على تقنيات هندسة المطالبات المنظمة لتحسين خطط رعاية التمريض التي ينتجها الذكاء الاصطناعي. لا تعالج هذه الأبحاث فقط الاستكشاف المحدود لـ GenAI غير الإنجليزية في تعليم التمريض، بل تسعى أيضًا لتعزيز استراتيجيات التعلم المدعومة بالذكاء الاصطناعي في السياقات المحلية.
طرق البحث
في هذا القسم، يستكشف المؤلفون الفهم العاطفي للذكاء الاصطناعي التوليدي (GenAI) وتأثيره على طرق التعلم والمفاهيم المهنية بين المشاركين. يتم توضيح عملية تحليل المحتوى من خلال تكثيف الرموز الأولية إلى مواضيع فرعية ومواضيع نهائية، مع تقديم مزيد من التفاصيل في الملف التكميلي 2.
تشير النتائج إلى أن دمج GenAI قد حول بشكل كبير طرق تعلم المشاركين من خلال توسيع مصادر معرفتهم وتعزيز كفاءة التعلم. ومع ذلك، قدمت هذه التحولات أيضًا تحديات، حيث أدرك المشاركون تأثيرًا مزدوجًا لاستخدام الذكاء الاصطناعي – بينما يمكن أن يسهل التعلم والتطوير المهني، قد يعيق هذه العمليات في الوقت نفسه. وهذا يبرز الطبيعة المعقدة لدور GenAI في السياقات التعليمية، مما يبرز الحاجة إلى منظور متوازن حول فوائده وعيوبه.
النتائج
كشفت التحليلات النوعية لتجارب طلاب التمريض مع الذكاء الاصطناعي التوليدي (GenAI) في تطوير خطط رعاية التمريض عن خمسة مواضيع رئيسية. أولاً، أفاد الطلاب بتجارب متنوعة مع استخدام GenAI، مما يشير إلى طيف من الألفة والراحة مع التكنولوجيا. ثانيًا، تم تسليط الضوء على فعالية GenAI في تحليل الحالات التمريضية، مما يشير إلى أنه يمكن أن يعزز العملية التحليلية في تخطيط الرعاية.
بالإضافة إلى ذلك، ظهر دور تصميم المطالبات كعامل حاسم يؤثر على نتائج تفاعلات GenAI، مما يبرز أهمية الاستفسارات المصممة بشكل جيد لتحسين فائدة التكنولوجيا. أخيرًا، كانت المخاوف المتعلقة بالخصوصية وأمان البيانات شائعة، مما يعكس الحاجة إلى اعتبار دقيق للتداعيات الأخلاقية عند دمج GenAI في تعليم وممارسة التمريض.
المناقشة
تسلط قسم المناقشة في الدراسة الضوء على الدور التحويلي لأدوات الذكاء الاصطناعي التوليدي (GenAI) في تعليم التمريض، لا سيما في صياغة خطط رعاية التمريض. تكشف الأبحاث أن طلاب التمريض يرون GenAI كمورد قيم لتنظيم البيانات السريرية وبناء الأطر الأولية لخطط الرعاية، مما يعزز من كفاءة تعلمهم ومشاركتهم. ومع ذلك، يواجه الطلاب أيضًا تحديات تتعلق بدقة واكتمال المحتوى الذي ينتجه الذكاء الاصطناعي، مما يتطلب منهم غالبًا تنقيح هذه المخرجات وإضافتها إلى المعرفة من الكتب الدراسية والإرشادات السريرية لضمان الصرامة المهنية ورعاية المرضى المتمحورة حول المريض.
تؤكد النتائج على أهمية هندسة المطالبات في تحسين فعالية GenAI. أشار الطلاب إلى أن المطالبات المصممة بشكل جيد حسنت بشكل كبير من ملاءمة ودقة ردود الذكاء الاصطناعي، مما يسهل الانخراط التحليلي الأعمق مع سيناريوهات المرضى المعقدة. على الرغم من الفوائد، كانت المخاوف المتعلقة بخصوصية البيانات والقيود العاطفية لـ GenAI شائعة بين المشاركين، مما يشير إلى الحاجة إلى دمج دقيق للتكنولوجيا في تعليم التمريض. بشكل عام، تدعو الدراسة إلى دمج أدوات GenAI في مناهج التمريض لتعزيز التفكير النقدي وتحسين التجربة التعليمية، مع التأكيد أيضًا على الجوانب الإنسانية التي لا يمكن تعويضها في رعاية التمريض.
القيود
تسلط قيود هذه الدراسة الضوء على قلقين رئيسيين بشأن قدرات الفهم العاطفي للذكاء الاصطناعي التوليدي (GenAI) كما يدركها طلاب التمريض الجامعيين. أشار المشاركون إلى أن توصيات GenAI للعناية العاطفية كانت غالبًا عامة جدًا وتفتقر إلى العمق المطلوب للتفاعل الفعال مع المرضى. على سبيل المثال، بينما تعرف GenAI على القلق لدى المرضى، فإن اقتراحاته، مثل تقنيات الاسترخاء، لم تعالج العناصر الإنسانية الأساسية للرعاية، مثل اللمسة الشخصية والدعم العائلي. علاوة على ذلك، بدت توصيات الذكاء الاصطناعي مستمدة من نهج كتابي، متجاهلة أنماط الحياة الفردية والسياقات العاطفية للمرضى، كما يتضح من مثال مريض يعاني من اعتلال الكلى السكري.
بالإضافة إلى ذلك، تنبع قيود الدراسة من تركيزها الضيق على مؤسسة واحدة وفئة محددة من طلاب التمريض في السنة الثالثة، مما قد لا يمثل مجموعة الطلاب الأوسع. يجب أن تهدف الأبحاث المستقبلية إلى تضمين مجموعة أكثر تنوعًا من الطلاب عبر سنوات أكاديمية مختلفة وتخصصات، مثل طلاب الطب، لتعزيز فهم دور الذكاء الاصطناعي في تعليم الرعاية الصحية. يمكن أن يؤدي توسيع البحث ليشمل بيئات تعليمية متنوعة وفحص التأثيرات طويلة المدى لدمج الذكاء الاصطناعي على كفاءات التمريض إلى تعزيز قابلية تعميم النتائج وتوفير رؤى أكثر شمولاً حول تحسين تطبيق الذكاء الاصطناعي في الرعاية الصحية.
DOI: https://doi.org/10.1186/s12912-025-03115-8
PMID: https://pubmed.ncbi.nlm.nih.gov/40301862
Publication Date: 2025-04-29
Author(s): M Y Shen et al.
Primary Topic: Artificial Intelligence in Healthcare and Education
Overview
The research paper investigates the integration of generative artificial intelligence (GenAI) in nursing education, focusing on its application in developing care plans by nursing students. The study employs a qualitative design, utilizing semi-structured interviews with third-year undergraduate nursing students who engaged with anonymized clinical cases and various GenAI tools. The findings reveal that GenAI enhances efficiency and conceptual clarity, enabling students to concentrate on higher-order clinical thinking. Notably, prompt engineering emerged as a critical factor in improving the accuracy and contextual relevance of AI-generated outputs.
Despite these advantages, students raised concerns regarding the limitations of GenAI, including its inability to grasp emotional nuances and potential privacy risks associated with sensitive healthcare data. The study concludes that while GenAI can serve as a valuable supplement to traditional nursing education, it should not replace essential humanistic competencies. The authors emphasize the need for structured prompt engineering and ethical safeguards to balance technological innovation with the core values of nursing practice. Future research is encouraged to further explore best practices for integrating GenAI into nursing curricula across diverse educational settings.
Introduction
The integration of generative artificial intelligence (GenAI) into nursing education is reshaping traditional teaching methods, particularly in developing clinical reasoning and logical thinking skills. Tools like ChatGPT have shown significant promise in medical education, enabling students to analyze complex clinical scenarios and refine their diagnostic and care-planning abilities through simulated case generation. GenAI also personalizes learning experiences by tailoring case studies to individual student needs and offering real-time feedback, thereby enhancing health literacy and clinical competence. However, successful implementation of GenAI in nursing education necessitates more than technical skills; it requires effective interaction with these tools, including the structuring of inputs and refining of outputs for accuracy.
Prompt engineering, the process of designing questions or instructions for GenAI, has been primarily studied in the context of medical question-answering and performance assessments. Notably, there is a lack of research on its application in nursing care planning education, particularly in Mandarin-speaking regions where new high-performing GenAI models have emerged. This study aims to fill this gap by qualitatively investigating how nursing students engage with and refine GenAI responses, focusing on structured prompt engineering techniques to optimize AI-generated nursing care plans. This research not only addresses the limited exploration of non-English GenAI in nursing education but also seeks to enhance AI-assisted learning strategies in local contexts.
Methods
In this section, the authors explore the emotional understanding of Generative AI (GenAI) and its influence on learning methods and professional perceptions among participants. The content analysis process is exemplified through the condensation of initial codes into subthemes and final themes, with further details provided in supplementary file 2.
The findings indicate that the integration of GenAI significantly transformed participants’ learning approaches by broadening their sources of knowledge and enhancing learning efficiency. However, this transformation also presented challenges, as participants recognized a dual impact of AI usage—while it can facilitate learning and professional development, it may simultaneously impede these processes. This highlights the complex nature of GenAI’s role in educational contexts, underscoring the necessity for a balanced perspective on its benefits and drawbacks.
Results
The qualitative content analysis of nursing students’ experiences with Generative AI (GenAI) in developing nursing care plans revealed five significant themes. First, students reported varied experiences with the usage of GenAI, indicating a spectrum of familiarity and comfort with the technology. Second, the effectiveness of GenAI in nursing case analysis was highlighted, suggesting that it can enhance the analytical process in care planning.
Additionally, the role of prompt design emerged as a crucial factor influencing the outcomes of GenAI interactions, emphasizing the importance of well-structured queries to optimize the technology’s utility. Finally, concerns regarding privacy and data security were prevalent, reflecting the need for careful consideration of ethical implications when integrating GenAI into nursing education and practice.
Discussion
The discussion section of the study highlights the transformative role of Generative AI (GenAI) tools in nursing education, particularly in the formulation of nursing care plans. The research reveals that nursing students perceive GenAI as a valuable resource for organizing clinical data and constructing initial frameworks for care plans, enhancing their learning efficiency and engagement. However, students also face challenges related to the accuracy and completeness of AI-generated content, often requiring them to refine and supplement these outputs with textbook knowledge and clinical guidelines to ensure professional rigor and patient-centered care.
The findings underscore the importance of prompt engineering in optimizing GenAI’s effectiveness. Students noted that well-designed prompts significantly improved the relevance and specificity of AI responses, facilitating deeper analytical engagement with complex patient scenarios. Despite the benefits, concerns regarding data privacy and the emotional limitations of GenAI were prevalent among participants, indicating a need for careful integration of technology in nursing education. Overall, the study advocates for the incorporation of GenAI tools in nursing curricula to foster critical thinking and enhance the educational experience, while also emphasizing the irreplaceable human aspects of nursing care.
Limitations
The limitations of this study highlight two primary concerns regarding the emotional understanding capabilities of Generative AI (GenAI) as perceived by undergraduate nursing students. Participants noted that GenAI’s emotional care recommendations were often overly general and lacked the depth required for effective patient interaction. For instance, while GenAI recognized anxiety in patients, its suggestions, such as relaxation techniques, failed to address the essential human elements of care, such as personal touch and familial support. Furthermore, the AI’s recommendations appeared to be derived from a textbook approach, neglecting the individual lifestyle and emotional contexts of patients, as illustrated by the example of a diabetic nephropathy patient.
Additionally, the study’s limitations stem from its narrow focus on a single institution and a specific cohort of third-year nursing students, which may not represent the broader student population. Future research should aim to include a more diverse range of students across different academic years and disciplines, such as medical students, to enrich the understanding of AI’s role in healthcare education. Expanding the research to various educational settings and examining the long-term impacts of AI integration on nursing competencies could enhance the generalizability of the findings and provide more comprehensive insights into optimizing AI’s application in healthcare.