中圖分類號：TP18 文獻標(biāo)志碼：A

0 引言

在知識快速迭代、信息呈指數(shù)級增長的當(dāng)下，醫(yī)學(xué)領(lǐng)域發(fā)展日新月異，對醫(yī)學(xué)生的信息素養(yǎng)提出了前所未有的高標(biāo)準(zhǔn)要求。醫(yī)學(xué)高校作為醫(yī)學(xué)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(xué)科研與臨床水平的高低。然而，當(dāng)前醫(yī)學(xué)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(xué)生信息獲取與篩選能力參差不齊，部分學(xué)生難以高效識別、整合關(guān)鍵醫(yī)學(xué)資訊；另一方面，面對浩如煙海的學(xué)術(shù)資源，許多學(xué)生在檢索、甄別及利用過程中顯得力不從心，影響科研與學(xué)習(xí)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(xùn)和科研實踐中呈現(xiàn)出明顯短板，制約了醫(yī)學(xué)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(dāng)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(xué)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(xué)習(xí)平臺、自動化資源推送機制和語義輔助檢索工具，提升學(xué)習(xí)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(xué)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(xué)信息素養(yǎng)教學(xué)成效提供參考。

1現(xiàn)階段醫(yī)學(xué)高校信息素養(yǎng)問題分析

1.1醫(yī)學(xué)生信息獲取能力不均

當(dāng)前醫(yī)學(xué)生在信息獲取能力方面存在明顯差異。部分學(xué)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(xùn)練和專業(yè)發(fā)展打下了堅實基礎(chǔ)。然而，仍有不少學(xué)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(zhǔn)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(xué)習(xí)效果，還可能在教學(xué)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(xué)術(shù)資源篩選效率低下

醫(yī)學(xué)知識更新迅速，學(xué)術(shù)資源呈現(xiàn)爆炸式增長，學(xué)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(xué)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(xué)習(xí)效率低下、科研思路受限。對不同數(shù)據(jù)庫、文獻類型、學(xué)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(xué)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(xué)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(xué)習(xí)中，二者之間往往存在割裂，部分學(xué)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(xué)教育“科研-臨床”一體化目標(biāo)的實現(xiàn)。

2醫(yī)學(xué)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(xué)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(xùn)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(xùn)練不足，導(dǎo)致學(xué)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(xué)術(shù)資源篩選方面，學(xué)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(xué)文獻，未能掌握科學(xué)的檢索邏輯與評判標(biāo)準(zhǔn)，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(xué)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(xué)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(xué)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(xué)信息檢索提供更高效、精準(zhǔn)的方式，具體應(yīng)用框架如圖1所示。

此外，醫(yī)學(xué)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(xué)文本進行切詞、詞性標(biāo)注，將醫(yī)學(xué)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(zhǔn)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(xué)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(xué)術(shù)語的含義和文本的深層語義，醫(yī)學(xué)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(xué)本體知識庫等資源對信息進行準(zhǔn)確匹配。以“心?！焙汀靶募」Ｋ馈睘槔?，語義理解技術(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(xué)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(xué)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(zhǔn)確性大大提高，提升醫(yī)學(xué)院校學(xué)生的信息素養(yǎng)，對學(xué)生學(xué)習(xí)、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(xué)院校的學(xué)習(xí)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(xué)生的學(xué)習(xí)行為、興趣偏好、檢索歷史等多維度數(shù)據(jù)，為其提供精準(zhǔn)、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(xué)習(xí)平臺、文獻檢索系統(tǒng)等多渠道數(shù)據(jù)，記錄醫(yī)學(xué)生的學(xué)習(xí)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(xué)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(xué)生檢索歷史；深度學(xué)習(xí)算法進一步挖掘醫(yī)學(xué)數(shù)據(jù)，提高推薦精準(zhǔn)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(xué)習(xí)平臺界面。比如，對于學(xué)習(xí)外科課程的學(xué)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(xué)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(xué)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(zhǔn)識別專業(yè)術(shù)語并標(biāo)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(xué)生對語篇的理解能力。

語義識別結(jié)合醫(yī)學(xué)本體知識庫，將文本信息與結(jié)構(gòu)化的醫(yī)學(xué)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(zhǔn)確性。該技術(shù)還可將醫(yī)學(xué)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(xué)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(xué)習(xí)和深度學(xué)習(xí)算法對采集數(shù)據(jù)進行挖掘，運用聚類算法將學(xué)習(xí)行為相近者歸類，便于精準(zhǔn)推送學(xué)習(xí)資源；通過關(guān)聯(lián)規(guī)則挖掘分析學(xué)習(xí)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(xué)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(xué)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(xué)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(xué)習(xí)支持體系。

數(shù)據(jù)采集層廣泛收集學(xué)習(xí)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(xué)習(xí)等算法，對學(xué)生行為數(shù)據(jù)進行深度挖掘，劃分學(xué)習(xí)群體，識別行為模式與素養(yǎng)提升的關(guān)聯(lián)，為精準(zhǔn)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(xué)習(xí)、深度學(xué)習(xí)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(xué)習(xí)行為和信息需求的醫(yī)學(xué)生劃分為不同群體，便于針對性地提供學(xué)習(xí)資源和指導(dǎo)。通過關(guān)聯(lián)規(guī)則挖掘算法，發(fā)現(xiàn)學(xué)習(xí)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(xué)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(xué)的信息素養(yǎng)評估指標(biāo)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(biāo)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(biāo)的權(quán)重， R_i 表示第 i 個指標(biāo)的評價得分， m 為指標(biāo)總數(shù)，對醫(yī)學(xué)生的信息素養(yǎng)進行量化評估，精準(zhǔn)定位學(xué)生的優(yōu)勢與不足。

個性化學(xué)習(xí)支持層根據(jù)評估結(jié)果，提供定制化學(xué)習(xí)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(xué)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(xué)習(xí)支持等各個環(huán)節(jié)的閉環(huán)智能化處理，為醫(yī)學(xué)高校培養(yǎng)高素質(zhì)信息素養(yǎng)的醫(yī)學(xué)人才提供有力的支撐。

4.2應(yīng)用于課程融合與科研訓(xùn)練中

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

在課程融合方面，教學(xué)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(xué)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(zhǔn)檢索相關(guān)資料。同時，智能推薦系統(tǒng)根據(jù)學(xué)習(xí)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(xué)習(xí)。

在醫(yī)學(xué)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(xué)效果。例如，在病理學(xué)教學(xué)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(xué)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(xué)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(xùn)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(xué)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(xué)習(xí)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(xué)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(fēng)險，提升科研訓(xùn)練的實效性。

4.3實施效果與學(xué)生反饋評估

從實施效果與學(xué)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(xué)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(xué)生對知識掌握程度增強。學(xué)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(xué)生對相關(guān)教學(xué)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(xué)生信息素養(yǎng)與學(xué)習(xí)體驗。

5結(jié)語

人工智能技術(shù)為醫(yī)學(xué)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(xué)生信息獲取能力不均、學(xué)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(xùn)練中取得顯著成效，提升了醫(yī)學(xué)生的信息素養(yǎng)和學(xué)習(xí)體驗。然而，人工智能技術(shù)在醫(yī)學(xué)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(xùn)，以推動醫(yī)學(xué)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(xué)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(xué)高校圖書館信息素養(yǎng)教育研究[J].圖書館學(xué)刊，2024（1）：40-42.

[2]金新建，張學(xué)敏，王艷，等.醫(yī)學(xué)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(xué)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(xué)生信息素養(yǎng)教育體系路徑研究[J].大學(xué)，2020（52）：35-36.

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

[5]孫會清，王秀麗，楊靖.融合循證醫(yī)學(xué)實踐的高校信息素養(yǎng)教育模式分析[J].中國高等醫(yī)學(xué)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(xué)生醫(yī)學(xué)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(xué)“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(xué)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。