教育与研究

自然语言处理工具何以促进职业素养生成？——生成式AI赋能高职“医工融合”课程的准实验研究

张 慧梅

重庆医药高等专科学校 / 数智化医药装备与新剂型工程技术研究中心

DOI: https://doi.org/10.59429/jyyj.v8i6.13820

Keywords: 自然语言处理；生成式人工智能；职业素养；医工融合；高职教育；人机协同

---

Abstract

高职制药设备类课程兼具机械工程精确性与药学规范严谨性的“医工融合”特征，其职业素养培育长期面临 工程技能与合规意识割裂、实训情境脱离真实岗位代价等困境。如何借助技术手段弥合这一鸿沟，是当前医工交叉 类课程教学改革的迫切议题。本文基于认知负荷与情境学习理论，以“固体制剂设备使用与维修”课程为例开展准 实验研究（N=58），探究以豆包、DeepSeek 等大语言模型为代表的生成式自然语言处理（NLP）工具赋能职业素养 生成的干预机制与实证效果。研究构建了“GMP 合规意识具象化—安全伦理底线情境化—职业责任感批判性赋能” 三维干预路径，将 NLP 工具深度嵌入“对照核验—溯源纠偏—AI 幻觉转化”的人机协同实训环节。实证数据表明， 实验组在企业盲审合规性评分（p < 0.01）、安全违规率控制（p < 0.01）及团队角色协作效率（d = 1.04）上均显著 优于常规教学对照组；但在高度程序化的工单规范执行率上未见显著差异（p = 0.16）。研究证实，在严密的教学设 计下，NLP 工具可有效充当跨学科认知支架，将抽象的行业规范转化为可操练的底线思维，但其长效行为转化仍受 制于短期干预周期的客观边界。

---

References

[1] 吴南中，陈咸彰，冯永. “失序”到“有序”： 生成式人工智能教育应用的转向及其生成机制[J]. 远程教育杂志，2023, 41(6): 42-51.

[2] 吴河江，吴砥. 教育领域通用大模型应用伦理风险的表征、成因与治理[J]. 清华大学教育研究，2024, 45(2): 33-41.

[3] 徐晓飞，张策. 生成式人工智能赋能工程教育及学生能力的培养、测评与认证体系[J]. 高等工程教育研究，2025(4): 1-9.

[4] 盛湘君，吴雪萍，郑民. 职业教育专业领域垂类模型开发的价值意蕴、现实挑战与行动路径[J]. 中国职业技术教育，2026(6): 103-112.

[5] 刘邦奇. 人工智能赋能课堂变革的核心价值：智慧生成与模式创新[J]. 开放教育研究，2022, 28(4): 42-49.

[6] 祝智庭，胡姣. 教育数字化转型的本质探析与研究展望[J]. 中国电化教育，2022(4): 1-8.

[7] Sweller J. Cognitive load theory[M]//Psychology of learning and motivation. Academic Press, 2011: 37-76.

[8] Lave J, Wenger E. Situated learning: legitimate peripheral participation[M]. Cambridge University Press, 1991.

[9] Luckin R, Holmes W, Griffiths M, et al. Intelligence unleashed: an argument for AI as a tool for formative assessment[R]. Pearson Education, 2016.

[10] Kasneci E, et al. ChatGPT for good? On opportunities and challenges of large language models for education[J]. Learning and Individual Differences, 2023, 103: 102274.

[11] Lan Y, et al. Survey of natural language processing for education[J/OL]. arXiv:2401.07518, 2024.

[12] 国家药品监督管理局. 药品生产质量管理规范(2010 年修订 )[S]. 2011.

[13] 人力资源和社会保障部. 化工设备维修工国家职业技能标准[S]. 2019.

[14] Cohen J. Statistical power analysis for the behavioral sciences[M]. 2nd ed. Lawrence Erlbaum Associates, 1988.