我在健康专业教育中反复思考的一个问题是:
如果学生将来在专业实践中会使用人工智能,我们是否应允许他们在评估中使用人工智能?
悉尼大学的做法引起我的注意,因为它没有把人工智能简单分为“允许”或“禁止”,而是把评估分成两条不同的轨道。
目的不同的双轨评估
在开放轨道,学生可以适当运用当代工具,包括生成式人工智能。这类评估承认,能够批判并负责任地与人工智能协作,正逐渐成为专业实践的一部分。
安全轨道则有不同目的。学生须在受监督的情况下,独立展示自己的能力。形式可以包括笔试、口试、实践考试、OSCE 类活动,以及受观察的临床表现。
我认为这个区分与物理治疗教育尤其相关。
或许我们不需要每项评估都证明学生能在没有人工智能的情况下工作,但课程中仍必须有一些时刻,让我们确信站在患者面前的学生能够独立推理、沟通、检查及作出决定。
人工智能可在能力保证前发挥作用
与此同时,越来越多证据显示,人工智能在到达能力保证阶段之前可以发挥重要作用。
一项于 2026 年发表、涉及 80 名医学生的随机研究,比较传统标准化患者训练,与结合标准化患者及人工智能虚拟标准化患者的训练。研究中,接受混合训练的学生在临床推理、核心能力及 OSCE 表现方面有较大进步。
我认为最值得留意的,是这项研究并非主张以人工智能取代真人模拟,而是支持把两者结合。
一条可能的教育路径
人工智能虚拟患者可以提供重复而易于接触的练习机会,让学生练习临床推理、犯错、探索其他决定并获得反馈。真人模拟及临床接触则能加入较难复制的沟通、不确定性、情绪复杂性及人际判断。
最后,安全评估可以回答最重要的问题:当人工智能不再在场时,学生真的能够做到吗?
与人工智能学习 → 与人工智能练习 → 与真人练习 → 独立展示 → 进入临床实践。
先问评估需要证明什么
对我而言,这改变了人工智能评估的讨论方式。与其先问应该允许还是禁止人工智能,我们或许应先问:每项评估究竟要证明什么?
如果目的是学习、尝试、反馈及发展,人工智能可能很有价值。如果目的是确认未来医护专业人员能安全并独立地工作,就必须保留一些由学生而非人工智能展示能力的时刻。
现在的挑战,是决定这些时刻应放在课程的哪个位置。这也许说明,课程层面的评估设计,比因应人工智能逐一重写每份作业更为重要。
延伸阅读
- 悉尼大学:人工智能评估政策。
- Shen 等(2026):结合虚拟标准化患者与标准化患者训练及医学生临床推理表现。