成都大学团队综述:医科类中国学生在研究与临床环境对生成式人工智能的伦理担忧呈现不同侧重点
Chinese Health Science Students Report Distinct AI Concerns in Research and Clinics
成都大学研究团队的范围性综述显示,医科类中国学生在学术研究与课堂环境中最担心学术诚信、算法抄袭与机器生成文本的检测问题,而在医院临床与病人护理场景中则更关切病人隐私、数据安全及算法导致医疗错误时的法律与伦理责任归属。该综述检索自 2024 年至 2026 年的六个数据库,纳入 35 项研究,约代表 22,500 名中国学生,并以 25 项报告情感反应的研究为核心进行叙事综合。
详细解读
该综述由成都大学的研究人员主导,系统检索自 2024 年 11 月 ChatGPT 公共发布以来涉及中国医科类学生与生成式大模型(包括 DeepSeek、ChatGPT、Doubao、Kimi 等)使用的实证研究。初始检索得到 1,044 条记录,经过筛选有 35 项研究符合纳入标准,合计约 22,500 名学生数据。研究团队为避免混淆不同心理构念,建立了两大类证据框架:直接测量情绪反应(焦虑、担忧、恐惧、道德内疚)的 25 项研究作为核心叙事证据,另外 10 项聚焦认知与行为维度(伦理意识、态度、数字素养)作为补充证据。
在学术研究与课程作业情境中,11 项研究集中考察研究用途,其中 7 项特别关注学术诚信问题。量化调查显示,2024 年的一项样本中,65.4% 的医学生担忧生成式工具会助长抄袭并增加检测复杂性,63.2% 担心研究造假,74.3% 表示对 AI 介入的学术不端有更广泛的担忧。若干质性访谈则描绘出学生在课程提交后因使用生成式工具而产生的强烈道德困扰与羞愧感。
在临床教学与病人护理场景中,研究揭示的主要忧虑集中在病人隐私与数据安全,以及当算法参与临床判断并导致不良后果时,责任如何在医务人员与算法提供者之间界定。部分研究通过结构方程模型或以 GAD-7 衡量的广泛焦虑症状,探讨了情绪状态如何与对病人隐私的担忧相关联。综述强调,中国的医教体系存在临床与非临床培训分轨的现实,这使得不同学年、学位类型与临床见习环节对 AI 的接触与操作规范存在显著差异,从而产生情境依赖的伦理关注点。
方法学方面,入选研究在测量工具上高度异质,既包含标准化量表(如 21 项人工智能焦虑量表及其短表)也有大量自制问卷与质性研究。鉴于量表与问卷差异较大,作者采纳叙事综合与关联性分析方法,避免对效果量进行合并计量。综述还指出,先前关于医疗教育中生成式 AI 伦理挑战的综述多集中于西方机构,本研究补充了面向中国情境的证据图谱。
