文献类型：期刊文章

作　　者：丁宁[1] 宋雨欣[1] 单泽田[2] 董秀[3] 于敏[4,5,6]

DING Ning;SONG Yuxin;SHAN Zetian;DONG Xiu;YU Min(China Medical University,Institute of Health Professions Education Assessment and Reform,Shenyang 110122,China;China Medical University,the Fourth Clinical Hospital,Shenyang 110122,China;Department of Medical Biology,School of Integrated Chinese and Western Medicine,Liaoning University of Traditional Chinese Medicine,Shenyang 110032,China;China Medical University,Key Laboratory of Cell Biology,Ministry of Public Health,Shenyang 110122,China;China Medical University,Key Laboratory of Medical Cell Biology,Ministry of Education,Shenyang 110122,China;China Medical University,Department of Molecular Cell Biology,School of Life Sciences,Shenyang 110122,China)

机构地区：[1]中国医科大学医学教育评价与改革研究院教育技术研究室,沈阳110122 [2]中国医科大学第四临床学院,沈阳110122 [3]辽宁中医药大学中西医结合学院医学生物学教研室,沈阳110032 [4]中国医科大学国家卫健委细胞生物学重点实验室,沈阳110122 [5]中国医科大学教育部医学细胞生物学重点实验室,沈阳110122 [6]中国医科大学生命科学学院分子细胞生物学教研室,沈阳110122

出　　处：《中国医学教育技术》

基　　金：2021年度辽宁省社会科学规划基金教育学项目(L21DED010)。

年　　份：2025

卷　　号：39

期　　号：1

起止页码：1-5

语　　种：中文

收录情况：普通刊

摘　　要：在医学教育领域,人工智能技术的应用前景广阔,但其在特定知识领域的准确性和可靠性尚须提高,这限制了其在医学教学辅助智能问答系统中的应用普及。为了解决这一问题,本研究尝试探索一种结合检索增强生成(retrieval augmented generation,RAG)技术和临床医学专业教科书知识库的方法,以提高智能问答系统的准确性和可靠性,并减少人工智能幻觉的产生。结果显示,该系统能够为医学生提供丰富、准确且可靠的医学知识资源;在准确性和可靠性方面也显著优于仅依赖大语言模型的智能平台;能为学生提供智能化的学习支持。这表明,通过整合先进的人工智能技术和专业的医学知识库,可以有效提升医学教育的质量和效率。

关 键 词：生成式人工智能  医学教育 智能问答系统 幻觉问题  RAG技术  

分 类 号：G434[教育学类]