基于资源保护理论的结构方程模型：分析护理专业学生中人工智能态度、就业能力与职业压力之间的关系

人工智能护理教育中的态度、就业感知与职业压力关系研究，基于资源保存理论，发现正向AI态度提升就业感知（β=0.88），负向态度加剧职业压力（β=1.21），且通过就业感知间接影响压力（95%CI=0.02-0.09）。研究建议优化护理课程中的AI技术培养与个人能力塑造。

Necip Hanci | Zehra Gok Metin

土耳其马拉蒂亚市伊诺努大学护理学院护理管理系，邮编44000

摘要

背景

人工智能（AI）在医疗保健领域的迅速发展正在重塑护理教育和实践。目前尚无研究探讨护理学生对AI的态度、他们对未来就业能力的认知以及职业压力之间的结构关系，而护理学生正是医疗保健行业的代表群体。

目的

基于资源保护（Conservation of Resources, COR）理论，研究护理学生对AI的态度、他们对未来就业能力的认知以及职业压力之间的关联。

研究设计

本研究采用描述性相关分析法。

研究地点

研究在土耳其两所大学的护理学院进行。

研究对象

研究对象为521名护理专业的大三和大四学生。

研究方法

数据通过面对面访谈收集，使用的工具包括学生信息表（Student Information Form）、人工智能态度量表（General Attitudes Towards Artificial Intelligence Scale, GAAIS）、未来就业能力认知量表（Perceived Future Employability Scale, PFES）和职业压力量表（Career Stress Scale, CSS）。采用带有自助法间接效应（bootstrapped indirect effects）的结构方程模型来检验假设的关联。分析时使用了经过验证的量表的综合得分。

结果

结果显示，学生对AI的积极态度较高（平均分X = 3.63，标准差SD = 0.61），消极态度较低（平均分X = 2.90，标准差SD = 0.70）。他们对未来就业能力的认知处于中等水平（平均分X = 109.86，标准差SD = 17.99），职业压力也处于中等水平（平均分X = 50.23，标准差SD = 17.57）。相关性分析表明，对AI的积极态度与对未来就业能力的认知呈正相关（r = 0.332，p < 0.001），而对AI的消极态度与对未来就业能力的认知呈负相关（r = -0.188，p < 0.001）。对未来就业能力的认知与职业压力呈负相关（r = -0.299，p < 0.001），而对AI的消极态度与职业压力呈正相关（r = 0.207，p < 0.001）。然而，对AI的积极态度与职业压力之间没有显著相关性（r = 0.055，p = 0.207）。回归分析显示，对AI的积极态度与更高的未来就业能力认知相关（β = 0.88，p < 0.001），而消极态度与较低的未来就业能力认知相关（β = -0.43，p = 0.013）。积极态度与职业压力无显著相关性（β = -0.19，p = 0.469），而消极态度与职业压力呈正相关（β = 1.21，p = 0.002）。在中介模型中，对未来就业能力的认知对AI消极态度与职业压力之间的关系具有正向的间接效应（β = 0.05，95%置信区间为0.02–0.09）。在PFES的各个维度中，只有“对未来个人特质”的维度表现出显著的间接效应（β = 0.04，95%置信区间为0.01–0.07）。总体而言，AI态度和对未来就业能力的认知共同解释了职业压力变异的14%。

结论

研究结果表明，对未来就业能力的认知在AI态度与职业压力之间起到了部分中介作用。护理课程可以提升学生的技能和个人特质（如自信、适应能力、自我效能感和韧性），从而帮助他们将AI视为有价值的职业发展资源。

引言

人工智能（AI）在多个学科领域都受到了广泛关注，并逐渐融入医疗保健系统，正在推动护理实践和教育的变革，同时为劳动力规划提供依据（Abou Hashish和Alnajjar，2024；Alharbi等人，2024；Amiri等人，2024）。在护理领域，AI被应用于临床决策支持系统、移动健康技术、基于传感器的监测系统、语音助手和机器人技术（Abou Hashish和Alnajjar，2024）。这些技术有助于提供符合患者需求和优先级的个性化、基于证据的护理服务（Glauberman等人，2023），提高护理质量（Akgerman等人，2022），简化患者监测和工作流程组织（Yigit和Acikgoz，2024），减少诊断和治疗错误（Ergin等人，2022；Yigit和Acikgoz，2024），并改善患者预后（Abou Hashish和Alnajjar，2024）。此外，AI通过自动化文档处理和行政流程提高了效率，使护士能够将更多时间用于直接护理患者（Akgerman等人，2022；Gökçen Gökalp和Üzer，2024；Yigit和Acikgoz，2024）。除了临床功能外，AI还有潜力加强管理、提升服务质量、保障安全、促进团队沟通和国际合作（Akgerman等人，2022；Chang等人，2022；Rony等人，2024）。

随着AI对医疗保健服务的重塑，了解护理学生对AI的态度已成为教育领域的关键议题。作为未来的医疗工作者，护理学生需要发展相关能力，以便有效利用AI技术并将其融入职业实践中（Labrague等人，2023）。实证研究表明，对AI的态度与对AI的接受程度呈正相关（Yalcinkaya等人，2024）。此外，对AI的积极态度与更好的学术和职业成果相关（Alharbi等人，2024；Amiri等人，2024；Erciyas等人，2024；Wang等人，2024；Yigit和Acikgoz，2024）。相反，消极态度与更高的AI相关焦虑相关（Yigit和Acikgoz，2024）。尽管AI具有诸多优势，但仍存在伦理挑战、法律责任、患者隐私、同理心和安全等方面的担忧（Akgerman等人，2022；Wang等人，2024；Yigit和Acikgoz，2024）。这些复杂的看法表明，学生对AI的态度不仅会影响他们的技术适应能力，还会影响他们的职业期望和心理反应。

就业问题是AI整合过程中的另一个核心问题。先前的研究表明，AI技术能力可以增强就业竞争力（Luo等人，2023）。然而，也有担忧认为自动化和技术替代可能会减少护理领域的就业机会（Doğaner，2021；Wang等人，2024；Yigit和Acikgoz，2024）。例如，一项加拿大研究显示，78.77%的护理学生预计AI技术将在未来十年内影响他们的职业（Teng等人，2022）。这种预期可能会增加职业压力，尤其是当技术变革被视为对未来就业安全的威胁时。

尽管现有研究分别探讨了AI与就业能力（Doğaner，2021；Wang等人，2024；Yigit和Acikgoz，2024）以及AI与职业压力（Teng等人，2022）之间的关系，但尚未综合研究护理学生对AI的态度、他们对未来就业能力的认知以及职业压力之间的关联。本研究通过结构方程模型来探讨这些变量之间的结构关系。

本研究的理论框架基于资源保护（Conservation of Resources, COR）理论（Hobfoll，1989），该理论解释了技术认知如何影响就业能力信念和压力反应。COR理论认为，个体致力于获取、保留、培养和保护有价值的资源，这些资源可分为物质资源、条件资源、个人资源和能量资源（Hobfoll，1989；Hobfoll，2001；Hobfoll，2011）。当这些资源受到威胁、丢失或获取不足时，压力便会产生。该理论由四个原则指导：损失优先性、资源投入、收益悖论和绝望感（Hobfoll，2011；Hobfoll等人，2018）。在这种框架下，对AI的态度可以被视为认知-评价取向，表明预期中的资源收益或潜在的资源损失。

对AI的积极态度可能反映了对获得有价值个人资源（如技术能力、适应能力和职业价值提升）的期望。通过资源投入（例如学习AI相关技能的努力），学生可以提高他们对未来就业能力的认知。相反，对AI的消极态度可能表明对条件资源（如工作安全和职业身份）的威胁以及对自己职业发展轨迹的控制感的丧失。这种认知可能会削弱对未来就业能力的认知并增加职业压力。因此，COR理论阐明了AI态度如何作为影响资源评估过程的前因。

在这种模型中，对未来就业能力的认知是一种关键的个人资源，有助于在技术变革面前增强自信、适应能力和韧性。较高的对未来就业能力的认知可以提高应对能力并减轻职业压力，而较低的认知则会增加不确定性和脆弱性，从而加剧压力。同时，提升就业能力需要资源投入，如获取技能和扩展职业网络。因此，对未来就业能力的认知既可以作为一种保护性资源，在过度投入的情况下也可能成为压力相关因素。假设的路径（对AI的态度 → 对未来就业能力的认知 → 职业压力）符合COR理论中的资源获取、保护和损失原则（图1）。

通过将AI态度、对未来就业能力的认知和职业压力纳入COR框架，本研究为护理教育文献提供了理论基础，解释了技术认知如何转化为职业期望和心理结果。研究结果可能有助于护理教育者设计能够促进适应性资源发展的课程，并帮助护理管理者为未来的护士应对技术发展的医疗环境做好准备。

研究问题 RQ1：护理学生对AI的积极和消极态度、对未来就业能力的认知以及职业压力的水平如何？ RQ2：护理学生对AI的态度、对未来就业能力的认知以及职业压力之间有何关联？ RQ3：对AI的积极和消极态度是否会对对未来就业能力的认知和职业压力产生直接或间接影响？

研究设计

研究设计

本研究采用描述性相关分析法，探讨AI态度对护理学生对未来就业能力的认知和职业压力的直接和间接影响。本研究遵循了STROBE报告指南。

研究地点、教育背景和参与者

研究于2025年2月17日至3月17日在哈切特佩大学（Hacettepe University）和伊诺努大学（Inonu University）的护理学院进行。研究对象为这两所大学的大三或大四护理专业学生。

初步分析

521份有效问卷中均未出现缺失值，所有数据均被纳入分析。变量的偏度和峰度值见表1，表明数据符合正态分布假设（Kim，2013）。

社会人口统计特征

表2展示了研究对象的描述性特征。其中322名学生（61.8%）在伊诺努大学就读，199名学生（38.2%）在哈切特佩大学就读。265名学生（50.9%）为大四学生。学生的年龄在20至35岁之间。

讨论

本研究通过结构方程模型，在COR理论框架下探讨了护理学生对AI的态度、他们对未来就业能力的认知以及职业压力之间的关系。

结论

本研究在COR理论的指导下，探讨了护理学生对AI的态度、他们对未来就业能力的认知以及职业压力之间的关联。结果显示，对AI的积极态度与较高的未来就业能力认知相关，而消极态度与较高的职业压力相关。在分析的各个维度中，“对未来个人特质”的维度是影响最大的变量。

作者贡献声明

Necip Hanci：撰写 – 审稿与编辑、初稿撰写、数据可视化、验证、方法论设计、调查实施、数据分析、概念构建。 Zehra Gok Metin：撰写 – 审稿与编辑、初稿撰写、数据可视化、验证、项目监督、方法论设计、调查实施、数据管理、概念构建。

伦理审批和参与同意

本研究已获得土耳其哈切特佩大学社会与人科学研究伦理委员会（批准日期：2024年12月24日，批准编号：2024/23）的批准。在获得伦理批准后，还获得了哈切特佩大学和伊诺努大学护理学院的许可。随后，参与者通过详细的知情同意书了解了研究方案并自愿参与了研究。

资金支持

本研究未获得任何公共部门、商业机构或非营利组织的资助。

未引用的参考文献

Erdoğan等人，2023 Ergün和Şeşen，2021 Guo等人，2025 Kwak等人，2022 Montoya和Hayes，2017

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

本研究是在护理学生的自愿参与下完成的。我们衷心感谢所有学生的贡献以及他们为研究付出的宝贵时间。