摘要
背景：学习倦怠阻碍护理专业学生的学业与职业发展。尽管人工智能（artificial intelligence, AI）在教育领域的融合日益加深，但在护理教育中，批判性思维在AI素养与学习倦怠之间的中介作用尚不明确。
目的：本研究旨在探讨AI素养、学习倦怠与批判性思维之间的关系，并检验批判性思维是否在使用生成式AI工具的护理本科生中中介AI素养与学习倦怠的关系。
设计：横断面描述性研究。
方法：2025年7月，采用便利抽样法从中国7所大学招募617名护理本科生。通过人口学与AI使用情况问卷、大学生学习倦怠量表、批判性思维量表及人工智能素养量表收集数据。采用描述性统计总结人口学特征，相关分析检验变量关系，PROCESS宏（模型4）检验批判性思维的中介作用。
结果：学习倦怠、AI素养与批判性思维的平均得分分别为55.86（标准差10.90）、70.17（标准差7.59）和87.68（标准差9.42）。批判性思维与学习倦怠呈负相关（r = −0.54，P < 0.001），与AI素养呈正相关（r = 0.44，P < 0.001）。AI素养与学习倦怠呈弱负相关（r = −0.18，P < 0.01）。中介分析显示，批判性思维完全中介AI素养对学习倦怠的缓解作用（总效应 = −0.261，95%置信区间[−0.373, −0.150]；间接效应 = −0.364，95%置信区间[−0.444, −0.293]；直接效应 = 0.103，95%置信区间[−0.003, 0.210]）。
结论：护理本科生存在中度学习倦怠。批判性思维完全中介AI素养对学习倦怠的缓解效应。因此，在AI赋能的学习环境中，将AI素养与批判性思维培养相结合，对提升护理学生的福祉至关重要。
论文解读：《Nurse Education Today》刊发生成式AI背景下护理本科生学习倦怠机制研究
研究背景与立项依据
护理本科生群体中学习倦怠已成为影响学业表现与心理健康的核心问题。国际数据显示该群体学习倦怠流行率约为23%，而中国近年研究报道这一比例高达31.5%。倦怠通常表现为情绪耗竭、学习效能感降低与学业疏离，长期持续会导致临床胜任力下降、职业流失意愿升高。随着生成式人工智能（generative artificial intelligence, GenAI）在教育场景的普及，其双重效应逐渐显现：一方面可通过个性化支持、虚拟场景构建提升学习效率，另一方面过度依赖可能削弱自主学习动机，反而加剧倦怠风险。当前针对AI素养（AI literacy，指批判性与伦理性地理解、评估及应用AI技术的能力）的研究多聚焦于工具使用层面，鲜有研究探索其如何通过高阶认知技能缓冲GenAI使用带来的负面效应。同时，批判性思维作为反思判断与独立推理的核心认知能力，被认为能帮助学习者避免被动依赖AI、维持学习自主性，但其是否在AI素养与学习倦怠间发挥中介作用尚未得到实证验证。基于此，本研究以自我决定理论（强调自主性、胜任感、关联感三大心理需求满足）、自我调节学习理论（强调学习者对认知、动机与行为的主动调控）与压力应对模型（强调认知评价对应激反应的影响）为理论基础，旨在明确三者关系，为护理教育干预提供依据。
研究方法概述
研究人员于2025年7月采用便利抽样法，从覆盖中国东、南、西、北、中五大区域的7所高校（温州医科大学、南方医科大学、兰州大学、吉林大学、北京大学、武汉大学、郑州大学）招募护理本科生。共回收问卷662份，经排除从未使用GenAI者、作答时长不足90秒者及注意力检测未通过者，最终纳入有效样本617例，有效率93.2%。研究采用四类标准化工具采集数据：自编人口学与AI使用问卷、大学生学习倦怠量表、批判性思维量表、人工智能素养量表。统计分析层面，首先通过描述性统计呈现样本特征，采用Pearson相关分析检验变量间关联，最后运用PROCESS宏模型4验证批判性思维的中介效应，所有分析均控制人口学变量干扰。
研究结果
参与者特征：样本平均年龄20.16岁（标准差1.12），女性占82.3%；年级分布为大一25.4%、大二33.2%、大三34.0%、大四7.4%，覆盖护理本科全阶段。所有参与者均有GenAI使用经历，具备代表性。
变量得分与相关分析：学习倦怠平均得分55.86（标准差10.90），处于中度水平；AI素养平均得分70.17（标准差7.59），批判性思维平均得分87.68（标准差9.42），二者均处于中等偏上水平。相关性检验显示，批判性思维与学习倦怠呈显著负相关（r = −0.54，P < 0.001），与AI素养呈显著正相关（r = 0.44，P < 0.001）；AI素养与学习倦怠仅呈弱负相关（r = −0.18，P < 0.01），提示二者直接关联有限。
中介效应检验：PROCESS宏分析证实批判性思维的完全中介作用。总效应值为−0.261（95%置信区间[−0.373, −0.150]），间接效应值为−0.364（95%置信区间[−0.444, −0.293]），直接效应值为0.103且置信区间包含0（95%置信区间[−0.003, 0.210]），说明AI素养对学习倦怠的缓解作用完全通过批判性思维实现，无直接路径。
讨论与研究结论
讨论部分指出，本研究首次在护理教育场景中验证了“AI素养—批判性思维—学习倦怠”的路径机制。与假设一致，AI素养本身对学习倦怠的直接影响较弱，其核心价值在于通过培育批判性思维，帮助学生理性评估AI生成内容的局限性、避免被动依赖，进而提升学术压力应对能力与学习自主性，最终降低倦怠水平。这一发现解释了既往研究中GenAI使用与学习倦怠关系的异质性：单纯提升工具使用技能不足以缓解倦怠，必须同步强化高阶认知技能。研究同时提示，护理教育需跳出“技术训练”单一框架，将AI素养课程与批判性思维培养深度融合，例如在案例教学中引导学生辨析AI诊断建议的逻辑漏洞、设计人机协作的决策训练任务。
研究结论可归纳为：中国护理本科生普遍使用生成式AI工具且存在中度学习倦怠；批判性思维完全中介AI素养对学习倦怠的影响，表明AI素养主要通过认知技能路径发挥作用；在AI赋能的教育环境中，整合AI素养与批判性思维培养是提升学生福祉、保障未来临床实践安全性与有效性的核心策略。
本研究受2025年武汉大学本科教育质量提升综合改革项目与武汉大学本科生创新创业训练计划资助，作者声明无利益冲突。
