应答教学(responsive teaching)是由英国教师Fletcher-Wood提出的[1],强调以学生认知反馈为中心，注重课程中形成性评价(formative evaluation)的作用，着重于解决暴露出的问题的一种教学法，是一个综合性的教学理念。其关键在于将学生和问题紧密结合在一起，帮助学生通过对课堂知识的理解分析、综合运用，最终尝试解决实际问题，从而更好地掌握课堂知识。现今，智能技术日新月异，包括虚拟现实技术、云计算、大数据分析、可穿戴设备等研发中或已经投入应用的智能技术，已深度渗透于社会生产生活的各个方面，改变着当今社会的运行模式。在医学教育领域，教育人工智能(AI)、虚拟现实(VR)等智能技术已经被广泛应用于课堂教学的各个环节，获得较好反响[2]。文章着力于对医学教学与智能技术联合应用的思考，探讨如何借助智能技术手段，丰富应答教学的内涵，使二者互补缺陷、叠加优势，为提升医学课程教学质量提供参考。

1、现有医学课程教学存在的不足

在医学课程的学习过程中，理论与实践是相互依托、密不可分的。然而，在前期课程教学阶段，多数学生缺乏临床实践经验，很难全面掌握临床课程的知识点并准确理解。例如，在人体解剖学的教学过程中，如果使用单一传统的教学手段进行课程教学，学生较易掌握某器官的功能结构，但很难厘清该器官系膜和血管的出入分布、淋巴的回流路线、周围组织的毗邻与影响等，导致前期课程教学与后续临床实践严重脱节。因此，丰富课程教学手段，联合应用多种技术，完整立体地呈现人体结构，成为提高该课程教学质量的关键。

现行的医学课程教学一般紧扣教学大纲，突出重点和难点内容，但这些内容已经不能充分满足学生对相关专业知识的需求。如何在保证学生掌握课程教学重点、难点的同时，在有限的课堂时间内进一步拓展学习、丰富知识面、了解学科最新进展，是医学课程教学中面临的一大难题。从临床教学的视角来看，多数完成医学本科教育的学生都存在诸如理论与实践衔接不紧，对临床相关基础概念理解肤浅或有误等问题。2011—2020年，中国医学院校应届本科生执业医师考试通过率仅为66%[3],也暴露出本科阶段培养质量欠佳、结构欠优的问题。究其原因，固然存在医学生的主观因素，如学习目标不明确、自学能力弱等，但同时也反映出当下医学课程教学的形式和方法存在诸多不足。因此，在设计应答教学环节内容时，亟须提升对智能技术的认识与应用[4],利用多种先进教学技术手段，弥补医学课程教学存在的不足。

2、应答教学联合智能技术提升授课质量

应答教学注重以问题导向来回应学生的需求，将“以问题导向回应学生”贯穿于全课程始终，包括展示重点、制定目标、设计题目、及时判断教学情况、提供课后清晰反馈等一系列流程。任何一门学科的学习，最重要的都不是掌握琐碎知识(尤其是事实性知识),而是在获取知识的基础上对知识进行组织与应用。应答教学首先从认知科学的角度了解学生如何学习，然后在此基础上，将教学计划与教学实际相结合，并通过形成性评价判定学生学习效果，进而做出调整。这种教学方法以学生学习问题为导向，致力于在课堂教学中解决这些问题，打造以学生为中心的互动式、启发式与探究式课堂。

如果将智能技术融入应答教学，使两者有机结合，优势互补，将能有效解决现阶段医学课程教学存在的不足。

2.1利用智能技术明确教学重难点与学习目标

明确授课重点、难点和学习目标是应答教学的先提条件，这决定了授课内容的主体。医学理论存在不少“基础知识”,如“休克”的定义与临床休克患者实际表现的区别，腹股沟管解剖与腹股沟疝成因及手术方法的选择等，这些皆处于学习与理解的最优先位置。既往教学中，重点的确定多依赖教学内容大纲或知识结构图，而今利用智能技术可以大大提升此环节的质量与速度。

课前使用AI学情分析系统，基于既往学生的反馈数据，分析、预测学生可能存在的知识盲区，帮助教师在备课阶段确定讲解要点[5];或利用基于AI的深度学习算法，通过文本识别分析、关键词抽取、实体链合算法形成重点分明、关系明确的可视化知识图谱[6],以此清晰地展示教学内容的重点、难点与知识点间的相互联系，为学生设定出明确的学习目标；教师还可利用数字化认知诊断模型(cognitive diagnosis model, CDM),通过分析学科内已有认知结构，推算往常学习者未掌握的知识盲点，以此指导学习路径的设定、规划认知负荷[7];此外，利用AI备课系统，可根据教师风格、学生特点等，基于大量既往教学方案比较后提供合适的教学方案[8],提升备课的速度与质量。

2.2利用智能技术扩展授课形式

传统课堂多为单中心模式，即以教师讲述为核心的“演讲式”授课。应答教学法强调授课形式的改进，包括如自由互动式与探讨式的多中心课堂等。但在以高知识密度、大班教学为主的国内医学课堂难以推行。随着线上教学的大量开展，数字化智能技术与课堂的融合进入了绝佳的发展时期。在授课形式中融入智能技术，可以改变传统课堂形式，提升授课质量。

VR技术作为一种数字模拟技术，通过光学外设构建三维视图，使用立体图像模拟真实环境为使用者提供临场感。疫情防控期间的线上教学过程中，利用VR教室授课，学生能重新“见到”教师和其他学生，不仅部分恢复了线下授课的沉浸感，VR特有的高交互性还能诱导课堂积极性的提升，在此前一些VR授课的录像中已有体现[9]。在外科技能实习课中，使用VR训练室进行操作演练，能突破场地、安全和物质要求，在加强操作流程记忆的同时，拓展学生课下练习空间[10],还能建立如虚拟化病理实验室、应用互联网+教学等多种教学模式。在外科手术的虚拟仿真训练中，人工智能程序(如Touch系统、Lahystotrain系统和EchoComJ系统)都运用AI技术增强虚拟现实部分信息的呈现，使其操作真实性与训练性最大化，增强外科的知识实践环节[11]。同时，基于VR技术的操作录像可提供360°的视角展示与回放，不仅能在课堂上用于展示标准的操作流程，在课后亦能作为学生复习资料，在此前的一些课堂实践中取得了大量学生(93%)的支持[12]。

此外，将AI算法与VR技术结合，还能基于传统数字资料构建VR资源。如利用病人脑血管CTA和头部MRI数据，对患者头部进行虚拟现实图像重建，则可以立体显示动脉瘤空间形态及其周围结构，有利于学生掌握病变部位的解剖结构与组织之间的空间关系[13]。后续还可以将生成的VR资源导入VR练习室，利用切割、移动等虚拟工具学习体验手术过程，通过模拟真实的显微神经外科手术的定位过程，形成内容创建到内容使用的良性循环，大大丰富外科学讲授中的病例资料及其练习价值。

2.3利用智能技术跟踪授课质量、反馈进度

通过动态反馈及时跟踪学生的理解程度并以此调整教学进度，是应答教学的核心环节。传统教学中，实现这一目的通常依靠当堂提问或等待学生主动提问。国内课堂教学班级人数众多，在课堂教学中频繁提问、等待回答并解释的方式有诸多缺陷，如代表性不强、容易打断授课节奏、无标准化解答等，总体反馈价值有限。

基于微信等网络平台的智能助教程序提供了一个优质的当堂反馈方式。通过提供签到、答题、实时解答等功能，此类软件很好地担负起助教作用，减轻课堂签到等程序所花费的人力与时间[14]。此外，通过对参与答题学生的答题时长、错解构成比等数据的分析，授课教师能从提前设置的选择题中即时了解学生对当前知识点的理解程度，错解、误解方向与课堂参与度，从而实时调整授课进度，并有针对性地重复讲解，以此提升授课质量。

如需进一步提高当堂反馈的要求，基于深度学习算法的课堂行为分析系统可以提供方向，即此类系统通过图像采集和人脸识别录入听课学生当前的状态，通过深度学习算法和数据库对比过程完成学生表情识别和实时分析，实现考勤、课堂专注度等数据的呈现，可以有效提升课堂监管效率与质量[15]。听课教师也可通过查看全体学生的分段专注度以检查当前教学方式是否合适有效。此外，还能针对个别学生提供个性化的数据反馈，实现实时反馈、量化反馈、精确化反馈的目标，显著提升课堂教学中的反馈效率。

2.4利用智能技术丰富客观评价成果

课后评价作为课堂教学的最终一环，为学习者提供修正性反馈以进一步完善授课内容，在以往课程中一般由课后作业完成。在医学课堂教学中，很多则以章节主题相关的论文为主。既往教学中，约80%的学生没有收到有效的修正性反馈[16]。而今，利用智能技术能提供大量高质量、标准化、反馈可量化分析的案例，对于医学生的课后练习自查、复习补漏皆有帮助。

AI辅助系统可以辅助任课教师对课后、课终评价计划的设计，基于大数据分析结果提升其准确性、有效性[17]。医学人工智能程序如沃森(Watson)、Hanover系统等，可以使用智能算法，在实时获取基于互联网的最新医学证据的同时，通过人工神经网络、大数据分析、机器学习、自推理等技术手段，提供相关疾病的临床决策支持[11]。这可以作为医学生重要的课后练习程序与复习资源。其证据溯源功能、逻辑呈现功能，可以很好地帮助学生在病例练习后复盘思路，查缺补漏[18]。临床思维训练及评测系统(diagnosis & reasoning clinician, DxR Clinician)可以通过算法，利用教学数据库与真实临床病例数据库创造模拟的标准化病人(standardized patient, SP),为医学生的临床思维训练提供案例，并已经在此前的教学应用中展现出良好的实用性和易用性[19]。学生通过对虚拟病人的问诊、模拟查体和辅助检查，进而提出诊断、治疗方案并接受反馈。在课后练习中自发学习、复习对课堂知识的理解应用。此外，网络平台(如Brainly、Quora)等传统学习答疑平台，现今通过升级人工智能相关算法，可以提供如制定个性化学习方案，根据用户画像推荐相关问题、相关领域用户等功能，为每一个学生定制学习、复习流程[20],极大地充实学生的课后评价、学习资源。

2.5利用智能技术助力医学思政教育

在新时代背景下，技术更迭、思想革新层出不穷。为培养品德优良、思想健康的医学人才，各高校可充分利用AI技术进行辅助，及时更新医学人文与思政教育方式。如构建AI思政云平台，综合思政学习资源与考核反馈形式，提供在线学习平台；建立AI校史、院史文化馆，利用多媒体资料传递前辈医学精神、奋斗精神；建立AI青协中心，利用同辈榜样的力量引导学生良好道德观的形成；此外，还有如AI成长档案、AI讲述人等形式[21],以此拓展思政教学场景，提供质量高、吸引力强的思政人文课程和课程思政素材。

医师的人文关怀教育，如患者沟通等方面，也可利用人工智能虚拟咨询应用(virtual counseling application using artificial intelligence, VCAAI)提供有效帮助。VCAAI是一个应用AI技术进行临床沟通技能训练的智能程序[22],可以利用病历信息，通过AI算法形成具备人类特征的标准化病人，表现为可视化的3D头像的形式。使用者可以与其对话互动，模拟门诊过程。对话结束后，软件提供量化分析的结果，同时为学习者提供沟通技巧的反馈[23]。类似技术将有效促进医学生人文关怀意识与能力。目前，智能技术与思政教育的融合还处于起始阶段，其发展尚需大胆探索、不断创新。

3、结束语

当前，中国教育体系与新兴智能技术的联合已进入创新联合阶段，课程教学已经逐步向多形式、多维度的综合学习流程发展。政府对智能技术的投资和建设力度亦与日俱增，目前已经出台多项有关智能技术与医学教育的政策和计划[24,25,26]。随着智能化产业的完善、发展，传统教育理念联合新兴智能技术的教育方式将会愈加普遍。如应答教学、问题驱动式教学法、案例学习、翻转课堂等经典教育方式也可在与新兴技术的结合互补中弥补短板，焕发新生，体现新的时代价值。当前智能技术与教学的融合中，不乏如人员硬件缺乏、初始投入大、技术不成熟、管理能力不足、地区资源不平衡、需求端乏力等问题，在将来的进一步结合中，也存在隐私数据泄露、教育伦理、教师转向技术依赖等等伦理问题[2,4]。为解决这些问题，完善顶层规划，出台相关管理措施，提升各层面重视程度，培养相关专业人才、开发相关软硬件设施，加速革新等仍待加强实施。

医学教育中，基础知识学习阶段是为将来从业建立底层知识体系的关键时期，其对医师职业培养过程的重要性不言而喻。医学教育应积极探索将新兴技术融入教学方法，不断提升授课质量，才能为国家培养更高质量的医学人才，为全民健康事业做出贡献。

参考文献:

[2]邹陆曦,孙玲.人工智能在医学教育中的应用现状及问题研究[J].卫生职业教育, 2021 ,39(24):18-20.

[3]李曼,王维民,谢阿娜我国本科临床医学教育存在问题的思考[J].医学与哲学, 2022 ,43(9):1-6.

[4]李鸿浩,陈波,李建平,等.医学教育中人工智能应用的现状､问题与对策[J]中国循证医学杂志, 2020 ,20(9):1092-1097.

[5]戴绍春,赵文辉,赵睿人工智能在医学辅助教育发展前景[J] .自动化技术与应用, 2021.40(8):149-152.

[6]侯梦薇,卫荣,陆亮,等知识图谱研究综述及其在医疗领域的应用[J].计算机研究与发展, 2018,55(12):2587 -2599.

[8]郭炯,郝建江人工智能环境下的学习发生机制[J]现代远程教育研究, 2019,31(5):32-38.

[10]李菲菲基于VR技术的3D手术操作练习模拟器的设计与开发[J科技创新与应用, 2020(16):40-42.

[11]钟敏,胡燕,程茜,等人工智能在医学教育中的应用现状与思考[J].中国继续医学教育, 2020.12(18):79-81.

[13]寸恩浩,杨军,陈素华,等Destroscope虛拟现实系统在显微神经外科教学中的应用[J]继续医学教育, 2015,29(6):14-15.

[14]杜佳佳基于Android平台的课堂答题系统之手机端的设计与实现[J].电脑知识与技术, 2020,16(30):60-63.

[15]陈彦钊,朱雪颖,黄瑾,等.基于深度学习的大学生课堂行为分析系统研究[J]鲁工业大学学报, 2020,34(1):13-18.

[18]刘纪洲,刘芳,沈宗霖,等浅谈人工智能在医学中的实践对医学教育的启发[J]医学食疗与健康, 2020, 18(21):190,192.

[19]朱卫国,刘继海,赵晓辉,等.虚拟病例教学软件PUMC-DxR Clinician的初步试用和评估[J].基础医学与临床, 2015,35(9): 1289-1292.

[20]卫荣,马锋,侯梦薇,等人工智能在医学教育领域的应用研究[J].医学教育研究与实践,2017,25(6):835-838.

[21]王英杰,马国峰,毕喜彦高职院校“Al+思政教育模式研究[J]河南农业, 2020(33):29-32.

[23]李婧欢,肖遥,谢朗.人工智能在医学人文教育的应用现状[J].中国医学教育技术, 2022,36(3)-286-291.

[24]国务院新- -代人工智能发展规划[J].中小学信息技术教育, 2017(9):4.

[25]教育部.《高等学校人工智能创新行动计划》确定人工智能发展任务[J]中国大学生就业,2018(9):4-6.

[26]中共中央,国务院中国教育现代化2035[J] .现代教育技术, 2019,29(2):1.

文章来源:韩一麾,尹晓南,蔡兆伦,张波.刍议应答教学联合智能技术在医学课程教学中的应用[J].中国医学教育技术,2023,37(05):525-528+534.