护理研究

项目	分类	人数	百分比（%）	项目	分类	人数	百分比（%）
工作年限	1~5年	110	35.71	工作科室	内科	70	22.73
>5~10年	89	28.90		外科	81	26.30
>10~15年	64	20.78		急诊科	26	8.44
>15~20年	23	7.47		重症医学科	82	26.62
>20年	22	7.14		麻醉科手术科	26	8.44
年龄	20~25岁	58	18.83		护理部	18	5.84
>25~30岁	81	26.30		体检中心	4	1.30
>30~40岁	137	44.48		内镜中心	1	0.32
>40~50岁	27	8.77	层级	N0级	40	12.99
>50~60岁	5	1.62		N1级	54	17.53
性别	女	249	80.84		N2级	100	32.47
男	59	19.16		N3级	97	31.49
学历	专科及以下	34	11.04		G级	17	5.52
本科	234	75.97	职务	无	276	89.61
硕士研究生	39	12.66		有	32	10.39
博士研究生	1	0.32	人工智能使用经验	从未使用	48	15.58
职称	初级	154	50.00	偶尔使用	186	60.39
中级	133	43.18		经常使用	74	24.03
高级	21	6.82

项目	分类	人数	百分比（%）	项目	分类	人数	百分比（%）
工作年限	1~5年	110	35.71	工作科室	内科	70	22.73
>5~10年	89	28.90		外科	81	26.30
>10~15年	64	20.78		急诊科	26	8.44
>15~20年	23	7.47		重症医学科	82	26.62
>20年	22	7.14		麻醉科手术科	26	8.44
年龄	20~25岁	58	18.83		护理部	18	5.84
>25~30岁	81	26.30		体检中心	4	1.30
>30~40岁	137	44.48		内镜中心	1	0.32
>40~50岁	27	8.77	层级	N0级	40	12.99
>50~60岁	5	1.62		N1级	54	17.53
性别	女	249	80.84		N2级	100	32.47
男	59	19.16		N3级	97	31.49
学历	专科及以下	34	11.04		G级	17	5.52
本科	234	75.97	职务	无	276	89.61
硕士研究生	39	12.66		有	32	10.39
博士研究生	1	0.32	人工智能使用经验	从未使用	48	15.58
职称	初级	154	50.00	偶尔使用	186	60.39
中级	133	43.18		经常使用	74	24.03
高级	21	6.82

工作中人工智能应用态度量表的汉化及信效度检验

李旭 ¹^,² , 胡旭 ¹ , 许慧婷 ²^,³ , 俞嫔 ¹ , 孙志昂 ¹ , 何晶晶 ¹ , 居海岭 ⁴^,^*^,^*

护理研究 | 量表研究 2026,40(3): 426-433

收起

护理研究 |量表研究 2026 , 40 (3) : 426 -433

工作中人工智能应用态度量表的汉化及信效度检验

全屏

李旭¹^,², 胡旭¹, 许慧婷²^,³, 俞嫔¹, 孙志昂¹, 何晶晶¹, 居海岭⁴^,^*^,^*

作者信息

¹苏州大学附属第一医院，江苏 215006

²同济大学医学院

³复旦大学附属中山医院青浦分院

⁴同济大学附属第十人民医院

通讯作者:

居海岭，E-mail：jhling_dw@163.com

JU Hailing, E-mail: jhling_dw@163.com

作者简介:

李旭，护师，硕士研究生在读

Sinicization of the Attitudes towards AI Application at Work and its reliability and validity test

Xu LI¹^,², Xu HU¹, Huiting XU²^,³, Pin YU¹, Zhi'ang SUN¹, Jingjing HE¹, Hailing JU⁴

Affiliations

¹The First Affiliated Hospital of Soochow University, Jiangsu 215006 China

²Tongji University School of Medicine

³Qingpu Branch of Zhongshan Hospital Affiliated to Fudan University

⁴Tenth People's Hospital of Tongji University

Corresponding Author:

JU Hailing, E-mail: jhling_dw@163.com

出版时间: 2026-02-10 doi: 10.12102/j.issn.1009-6493.2026.03.011

文章导航

摘要

收起

目的

汉化工作中人工智能应用态度量表（AAAW），并进行信效度检验。

方法

依据Brislin模型对工作中人工智能应用态度量表进行正译、回译、文化调适和预调查后，形成中文版工作中人工智能应用态度量表。2025年3月，选取苏州市及上海市2所三级甲等医院308名临床护理人员为研究对象，采用中文版工作中人工智能应用态度量表进行调查，测量中文版量表的信效度水平。

结果

中文版工作中人工智能应用态度量表包括6个维度，共25个条目，探索性因子分析共提取出6个公因子，累计方差贡献率为76.252%。量表的Cronbach's α系数为0.893，重测信度为0.899。量表条目水平的内容效度指数为0.833~1.000，量表水平的内容效度指数为0.987。验证性因子分析结果显示模型适配度良好。

结论

中文版工作中人工智能应用态度量表信效度良好，可用于评估护理工作场景下护理人员对人工智能应用的态度。

关键词

人工智能 / 护理 / 态度 / 信度 / 效度 / 量表

Abstract

收起

Objective

To translate the Attitudes towards AI Application at Work(AAAW) into Chinese and test its reliability and validity.

Methods

The Brislin translation model was adopted for translation,back-translate,cross-culturally adjust and pretest,the Chinese version of the Attitudes towards AI Application at Work was formed.March 2025,a total of 308 clinical nursing staff from two tertiary grade A general hospitals in Suzhou city and Shanghai city were selected as the research subjects.The Chinese version of the Attitudes towards AI Application at Work was used for the investigation to test its reliability and validity level.

Results

The Chinese version of the Attitudes towards AI Application at Work included 6 dimensions and 25 items.Exploratory factor analysis extracted 6 common factors,with a cumulative variance contribution rate of 76.252%.The Cronbach's α coefficient of the scale was 0.893.The test-retest reliability was 0.899.The item-level content validity index ranged from 0.833 to 1.000.The scale-level content validity index/universal agreement was 0.987.Confirmatory factor analysis results showed a good model fit.

Conclusions

The Chinese version of the Attitudes towards AI Application at Work has good reliability and validity.It could be used to assess the attitudes of nurses towards the application of artificial intelligence in the nursing work scenario.

Key words

artificial intelligence / nursing / attitude / reliability / validity / scale

引用本文

李旭, 胡旭, 许慧婷, 俞嫔, 孙志昂, 何晶晶, 居海岭. 工作中人工智能应用态度量表的汉化及信效度检验. 护理研究, 2026 , 40 (3) : 426 -433 . DOI: 10.12102/j.issn.1009-6493.2026.03.011

Xu LI, Xu HU, Huiting XU, Pin YU, Zhi'ang SUN, Jingjing HE, Hailing JU. Sinicization of the Attitudes towards AI Application at Work and its reliability and validity test[J]. Chinese Nursing Research, 2026 , 40 (3) : 426 -433 . DOI: 10.12102/j.issn.1009-6493.2026.03.011

正文

收起

近年来，人工智能（artificial intelligence，AI）技术的迅猛发展为医疗健康行业带来了深刻变革^[1]。在护理领域，基于人工智能的护理决策支持系统^[2]、聊天机器人^[3]、电子健康记录^[4]等已逐步融入临床护理工作流程。国家卫生健康委办公厅、国家中医药局综合司、国家疾控局综合司于2024年11月6日联合印发《卫生健康行业人工智能应用场景参考指引》^[5]，旨在推进卫生健康行业“人工智能+”应用的创新发展。护理作为医疗的核心环节，成为人工智能落实的重点领域。人工智能可缩短护理人员护理文书书写时间，提高文档的准确性，降低了医疗错误发生的可能，并减轻工作压力^[6-8]。但也有研究发现，人工智能的引入可能会改变护理人员的工作方式，需要他们适应新技术并可能需要额外的培训^[9]。同时，人工智能还可能导致医疗服务的“非人格化”，影响护理的人文关怀和情感联系^[10]。国内一项横断面调查发现，53.0%的护理人员同意或强烈同意人工智能取代护士的部分工作，但95.7%的参与者在伦理问题方面呈消极态度^[11]。国外一项研究指出，65%的护理人员对基于人工智能的护理机器人呈消极态度^[12]。以上研究表明护理人员对人工智能的接受程度存在差异，从而影响人工智能在护理实践中的应用效果。因此，需要一种可靠的测量工具精准评估护理人员对人工智能的态度。目前，常用的评估工具包括技术接受模型（Technology Acceptance Model，TAM）^[13]、感知风险理论（Perceived Risk Theory，PR）^[14]等，但技术接受模型多用于评估新技术接受意愿，而感知风险理论多强调风险评估，无法全面评估人工智能特有的属性。工作中人工智能应用态度量表（the Attitudes towards AI Application at Work,AAAW）是由韩国心理学家Park等^[15]于2024年研制，该量表从多个维度评估人工智能应用的复杂态度，既考虑了人工智能功能性的认知，也包含了情感方面的因素，更具有综合性。因此，本研究聚焦实施工作中人工智能应用态度量表的跨文化调适及心理测量学特性验证，通过系统化、本土化修订与标准化检验流程，评估此工具在我国临床护理群体中的信效度，旨在建立适用于我国护理职业环境的评估工具，为人工智能技术在医疗护理领域的融合应用提供依据，助力医疗机构实现智能化转型过程中人机协同机制的优化配置。

1　研究方法

收起

1.1　量表介绍

工作中人工智能应用态度量表包含人工智能的感知拟人性、人工智能的感知适应性、人工智能的感知质量、人工智能使用焦虑、职业不安全感、人工智能的个人效用性6个维度，共25个条目^[15]。英文版工作中人工智能应用态度量表的Cronbach's α系数为0.84~0.90，采取Likert 5级评分法，从“非常同意”到“非常不同意”分别计5~1分。条目14~条目21为反向计分，总分越高，表明对人工智能应用的态度越积极并且认可其价值，焦虑感越低。

1.2　量表汉化

研究小组通过发送电子邮件与原量表的作者取得联系，并在得到其授权许可后，对量表进行汉化。本研究严格按Brislin翻译模型^[16]进行量表的正译和回译。1）正译：由研究小组2名母语为中文、熟悉英文的护理硕士研究生分别独立翻译量表，形成翻译稿T1、T2，由研究团队第3名护理硕士研究生将原量表、翻译稿T1、T2进行对比，经整理汇总、讨论修订后，初步形成翻译版本T3；2）回译：由1名具有海外留学经历的护理学硕士研究生和1名心理学硕士研究生且未见过原量表的人员独立将T3回译成英文，得到回译版本BT3-1和BT3-2。研究团队将2份回译量表与原量表逐条对比分析，并进行团队会议讨论，对回译量表进行修订，形成工作中人工智能应用态度量表中文版T4。

1.3　跨文化调适

研究小组邀请6名专家，针对工作中人工智能应用态度量表中文版T4开展审阅与文化调试工作。专家评估内容包括量表条目的清晰度、条目与所在维度的相关性以及量表与国内文化背景的匹配度。专家纳入标准：1）具有与量表研究内容相关的专业背景，包括护理管理、心理学或语言学等领域；2）从事本专业相关工作时间≥10年，具备丰富的理论基础与实践经验；3）学历为硕士研究生及以上，并具有高级专业技术职称；4）熟悉量表编制或量表评价方法，或具有问卷调查、心理测量或护理科研相关经验；5）自愿参与本研究，能够按要求完成量表条目审阅及专家函询。6名专家中，4人为护理管理者，1人为语言学家，1人为心理学家，均具备10年以上工作经验，学历均为硕士研究生及以上，且均为高级职称。回收专家意见函询表后，研究团队依据专家评审意见展开深入讨论，对量表内容进行进一步修改完善，最终形成中文版工作中人工智能应用态度量表T5。

1.4　预调查

采用便利抽样法，于2025年3月选取苏州市某三级甲等医院的30名临床护理人员进行预调查。纳入标准：1）持有有效的执业资格证书并已完成注册；2）具备临床护理工作经验；3）自愿参与本研究。排除进修护士、实习护士和在研究期间因病事假等原因不在工作岗位的护士。向参与者详细阐述研究的目的与意义，并在获得其同意后发放量表。随后，对量表的各条目进行了深入询问，以了解研究对象对条目内容的理解程度，特别关注是否存在表述不清或难以理解的条目。汇总并记录收集到的意见和反馈。基于所收集的信息，研究小组开会进行深入探讨，对量表进行了相应的修订，最终形成了中文版工作中人工智能应用态度量表。

1.5　量表的信效度检验

1.5.1　研究对象

2025年3月，采用便利抽样法，选取苏州市及上海市2所三级甲等医院的护理人员作为研究对象。纳入与排除标准同预调查。按照因子分析要求，样本量应满足量表条目数的5~10倍^[17]，工作中人工智能应用态度量表共25个条目，本研究以条目数的10倍估算样本量，同时考虑20%的无效率，预计样本量为300人。本研究已通过苏州大学附属第一医院医学伦理委员会伦理审查（批件号：〔2025〕伦审批第246号），参与者均知情同意且自愿参与。

1.5.2　资料收集方法

采用问卷星进行问卷收集，调查问卷包含一般资料调查表及中文版工作中人工智能应用态度量表。一般资料由研究团队经文献回顾及专家会议编制，包含工作年限、年龄、性别、学历、工作科室、职称、层级、职务、人工智能使用经验等。本研究获得医院护理部支持，研究小组将问卷发送至病区护士长，病区护士长负责将问卷进一步转发至各科室。在问卷发放过程中，采用统一指导语向护理人员明确阐述研究的目的与意义。在护理人员充分了解研究内容并自愿参与的情况下，通过扫描二维码填写问卷。为确保问卷的质量，系统规定同一IP地址只能提交1次问卷。设置所有问题都是必答，所有问题都回答完毕后，问卷才能被提交，从而保证问卷的完整性。回收问卷后，研究团队安排双人核对数据，将无效问卷予以剔除。本研究共回收问卷320份，回收有效问卷308份，有效回收率为96.25%。

1.5.3　项目分析

采用临界比值法和相关系数法进行项目分析^[18]。

1.5.3.1　临界比值法

将量表总分由高到低排列，总分排前27%的视为高分组，排后27%的视为低分组，采用独立样本t检验比较两组25个条目的得分情况，若t>3且P<0.05，说明条目的区分度较好，予以保留，反之则删除^[17]。

1.5.3.2　相关系数法

采用Pearson相关系数法判断各条目得分与量表总分的相关性，若相关系数>0.3，说明条目的代表性较好，予以保留，反之则删除^[17]。

1.5.4　效度

1.5.4.1　内容效度

由前期负责文化调试工作的6名专家对量表各维度与条目的相关性等内容展开评价。采取Likert 4级评分法，从“不相关”到“非常相关”分别计1~4分。计算量表条目水平的内容效度指数（I-CVI）及量表水平的内容效度指数（S-CVI），当I-CVI≥0.78、S-CVI≥0.9时，表示该量表的内容效度好^[19]。

1.5.4.2　结构效度

采用SPSS 29.0软件进行探索性因子分析，当KMO值>0.8且Bartlett's球形检验χ²值有统计学意义（P<0.05）时，表示该量表适合进行探索性因子分析^[17]。通过主成分分析法和方差最大正交旋转法，以特征根≥1.0为标准提取公因子，保留因子载荷值>0.4的条目^[17]。采用AMOS 26.0软件进行验证性因子分析。当卡方自由度比（χ²/ν）<3、标准化残差均方根（standardized residual root mean square，SRMR）<0.08、近似误差均方根（root mean square error of approximation，RMSEA）<0.08、相对拟合指数（comparative fit index，CFI）>0.9、规准适配指数（normed fit index，NFI）>0.9、增值拟合指数（Incremental Fit Index，IFI）>0.9、非规准适配指数（Tucker-Lewis Index，TLI）>0.9时，表明模型的拟合度理想^[20]。

1.5.5　信度

采用Cronbach's α系数评价量表信度。当Cronbach's α系数>0.8时，说明中文版工作中人工智能应用态度量表的内部一致性好。从参与研究的护理人员中随机选取30人组建微信群。在首次完成量表调查后2周，再次对30名护理人员进行测量。随后，分析2次测量所得到的数据，计算2次得分之间的Pearson相关系数，若相关系数>0.7，表明该量表在前后2次测量中的一致性程度较高，并且展现出了较好的稳定性，能够较为可靠地反映测量对象的相关特征。

1.6　统计学方法

采用Excel软件录入数据，采用SPSS 29.0软件和AMOS 26.0软件进行数据分析。定性资料采用频数、百分比（%）进行描述，符合正态分布的定量资料采用均数±标准差（x±s）进行描述，检验水准α=0.05.

2　结果

收起

2.1　文化调适及预调查结果

2.1.1　文化调适

根据专家的意见开展研究团队讨论，将维度1“人工智能的感知类人性”调整为“人工智能的感知拟人性”，以强调感知特性而非生物学属性；将条目4“人工智能具有自由意志”调整为“人工智能具有自主意识”，因为中文语境中“自由意志”多用于哲学讨论，易引发歧义，调整为“自主意识”，更贴合工作场景中对人工智能自主决策能力的感知；将条目11“人工智能能够提供良好的信息格式”调整为“人工智能提供的信息格式清晰易懂”，强调用户视角人工智能的易用性；将条目22“使用人工智能可以增加我对自己工作技能的自信”调整为“使用人工智能能增强我对自身工作技能的信心”，避免口语化交叉，“增强信心”而非“增加自信”。

2.1.2　预调查

预调查过程中，3名参与者将“人工智能具有自主意识”误解为“人工智能有自我意识”，故增加括号说明：“（如独立决策能力）”。其余条目通俗易懂、表述清晰无歧义，经实际测试，被调查者完成填写所需时间均在5 min内。鉴于量表在可读性与填写效率上表现良好，研究团队未对量表的条目数量及具体内容做进一步调整。

2.2　护理人员的一般资料（见表1）

2.3　项目分析结果

1）采用相关系数法进行分析，量表各条目得分与量表总分之间的相关系数为0.424~0.680（P<0.05），表明各条目与量表整体具有显著的相关性，因此保留所有条目。2）运用临界比值法进行深入研究，将样本分为高分组（91例）和低分组（92例），并对两组进行独立样本t检验。检验所得的t值为7.124~12.510，各条目差异均有统计学意义（P<0.001），表明各条目均具备良好的区分度，能够有效识别不同水平的受试者。因此保留所有条目。

2.4　效度

2.4.1　内容效度

中文版工作中人工智能应用态度量表的I‐CVI为0.833~1.000，S‐CVI为0.987，说明中文版工作中人工智能应用态度量表内容效度良好。

2.4.2　结构效度

2.4.2.1　探索性因子分析

探索性因子分析结果表明，中文版工作中人工智能应用态度量表的KMO值为0.871，Bartlett's球形检验显示，χ²=5 650.108，ν=253，P<0.001，表明该量表适合进行探索性因子分析。采用主成分分析法及最大方差正交旋转法，依据Kaiser准则（λ≥1）共提取6个公因子，累计方差贡献率为76.252%，各条目在对应公因子的因子载荷值为0.688~0.909，均>0.600。因子1命名为职业不安全感，因子2命名为人工智能的感知质量，因子3命名为人工智能的感知适应性，因子4命名为人工智能的个人效用性，因子5命名为人工智能的使用焦虑，因子6命名为人工智能的感知拟人性。详见表2。

2.4.2.2　验证性因子分析

结果显示，χ²/ν=1.897，RMSEA=0.054，SRMR=0.028，CFI=0.958，TLI=0.951，NFI=0.916，IFI=0.958，表明模型适配度良好。详见图1。

2.5　信度

中文版工作中人工智能应用态度量表的Cronbach's α系数为0.893，人工智能的感知拟人性、人工智能的感知适应性、人工智能的感知质量、人工智能的使用焦虑、职业不安全感、人工智能的个人效用性6个维度的Cronbach's α系数分别为0.855，0.921，0.866，0.872，0.792，0.906。条目1~25删除任一条目后的Cronbach's α系数未明显提高，无条目需调整。间隔2周后的重测结果显示，量表的重测信度为0.899，表明量表重测信度良好，结果可靠。

3　讨论

收起

3.1　中文版工作中人工智能应用态度量表汉化过程科学、严谨

本研究严格按照Brislin翻译模型对工作中人工智能应用态度量表进行汉化，同时咨询护理管理学、心理护理学、英语学领域专家，并选取30名临床护理人员进行预调查，在预调查环节，所有被访谈者一致反馈，中文版工作中人工智能应用态度量表的条目表意清晰，仅有1个条目理解有疑问，其余均无障碍，并且完成作答耗时均在5 min内。综合专家咨询意见与预调查结果，研究小组对中文版工作中人工智能应用态度量表展开内容层面的调整与修订工作。随后，团队将整个研究流程、各项结果加以梳理整合，编制成详尽的研究报告，呈递给原作者及其团队审核。经审核确认，汉化后的中文版工作中人工智能应用态度量表在内容主旨、语义表达上，与英文原版契合，确保了量表具备良好的文化适应性与科学性，为后续研究及应用奠定基础。

3.2　中文版工作中人工智能应用态度量表具有良好的效度

本研究结果显示，中文版工作中人工智能应用态度量表的I‐CVI为0.833~1.000，S‐CVI为0.987，符合推荐标准，说明其内容效度良好，各条目能准确反映护理人员对人工智能在护理领域应用的态度。本研究探索性因子分析共提取出6个公因子，与原量表因子数相同，说明原量表设计的核心维度在我国文化语境下仍具有独立性。在验证性因子分析中，中文版工作中人工智能应用态度量表模型拟合结果显示，χ²/ν=1.897，RMSEA=0.054，SRMR=0.028，CFI=0.958，TLI=0.951，NFI=0.916，IFI=0.958，符合常用拟合标准，提示其结构效度较好。综上所述，中文版工作中人工智能应用态度量表具有良好的效度，能有效地反映护理人员应用人工智能的态度。

3.3　中文版工作中人工智能应用态度量表具有良好的信度

本研究结果显示，中文版工作中人工智能应用态度量表总的Cronbach's α系数为0.893，各维度的Cronbach's α系数为0.792~0.921，说明其内部一致性良好；且该问卷各条目得分与总分的相关系数均>0.4，进一步支持其具有良好的内部一致性。在时间稳定性方面，对30名临床护士进行间隔2周的重测信度检验，结果显示,量表的重测信度为0.899。因此，中文版工作中人工智能应用态度量表的信度良好，可作为护理领域人工智能技术应用态度评估的标准化测量方案。

3.4　中文版工作中人工智能应用态度量表的应用前景

人工智能技术的飞速发展与普及让护理人员迎来了提高工作效率、减轻工作负担的机遇，同时也面临着适应新技术的巨大挑战。人工智能可以帮助护理人员处理烦琐的数据和重复性任务，使其有更多时间专注于病人的个性化护理，但这也预示着护理人员需要掌握新的技术知识和技能。因此，了解护理人员对人工智能的态度可以促进人工智能在护理领域的成功应用。本研究汉化的中文版工作中人工智能应用态度量表为护理人员对人工智能的态度提供了科学、有效的评估工具。根据量表结果，护理管理者可以评估不同科室护理人员对人工智能接受程度的差异，为人工智能技术在护理单元的合理配置和推广提供了数据支持。还可以帮助护理教育者了解护理人员对人工智能相关培训的需求和期望程度，针对人工智能使用焦虑程度较高的护理人员，设计专门的培训课程，从基础操作到心理调适，逐步减轻其焦虑感。同时，对于感知适应性维度得分较低的人员，可以提供强化学习的机会，提升其对人工智能技术更新迭代的适应能力，促进护理人员在人工智能辅助下实现专业成长。人工智能开发者也可以参考工作中人工智能应用态度量表的结果，深入了解护理人员的实际需求和痛点，个性化改善人工智能护理技术产品。本研究小组也将借助中文版工作中人工智能应用态度量表，调查护理人员人工智能的使用意愿并分析其影响因素，为下一步人工智能应用于临床实践提供实际数据和可靠依据，并根据影响因素对症处理，优化人工智能应用方案，争取为临床护理人员提供便捷、有效、可靠的人工智能技术，辅助临床护理实践，提升工作效率，减轻临床护理人员工作压力。

4　小结

收起

本研究经科学、严谨的汉化流程形成中文版工作中人工智能应用态度量表，操作性强，兼具科学性和易理解性，中文版工作中人工智能应用态度量表测评我国护理人员对人工智能应用的态度具有良好的信效度，为我国护理人员人工智能应用态度的有效评估和监测提供了文化适应性较强的测量工具。由于研究条件有限，本研究仅选择了苏州和上海2所三级甲等医院的护士作为调查对象，样本的代表性可能存在不足，未来可加大样本量进一步验证中文版工作中人工智能应用态度量表的适用性。

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

CHEN

,ESMAEILZADEH

.Generative AI in medical practice:in-depth exploration of privacy and security challenges[J].Journal of Medical Internet Research,2024,26:e53008.

ALMAGHARBEH

W T

.The impact of AI-based decision support systems on nursing workflows in critical care units[J].International Nursing Review,2025,72(2):e13011.

LEE

J W

,YOO

I S

,KIM

J H

,et al.Development of AI-generated medical responses using the ChatGPT for cancer patients[J].Computer Methods and Programs in Biomedicine,2024,254:108302.

FINKELSTEIN

,GABRIEL

,SCHMER

,et al.Identifying facilitators and barriers to implementation of AI-assisted clinical decision support in an electronic health record system[J].Journal of Medical Systems,2024,48(1):89.

国家卫生健康委办公厅,国家中医药局综合司,国家疾控局综合司.关于印发《卫生健康行业人工智能应用场景参考指引》的通知[EB/OL].(2024-11-06)[2025-03-26].https://www.nhc.gov.cn/guihuaxxs/gongwen12/202411/647062ee76764323b29a1f0124b64400.shtml.

GLAUBERMAN

,ITO-FUJITA

,KATZ

,et al.Artificial intelligence in nursing education:opportunities and challenges[J].Hawai Journal of Health & Social Welfare,2023,82(12):302-305.

JUNG

,LEE

,JUNG

,et al.Essential properties and explanation effectiveness of explainable artificial intelligence in healthcare:a systematic review[J].Heliyon,2023,9(5):e16110.

RONY

M K K

,KAYESH

,BALA S

DAS

,et al.Artificial intelligence in future nursing care:exploring perspectives of nursing professionals--a descriptive qualitative study[J].Heliyon,2024,10(4):e25718.

MANTELLO

P A

,GHOTBI

,HO

M T

,et al.Gauging public opinion of AI and emotionalized AI in healthcare:findings from a nationwide survey in Japan[J].AI & Society,2025,40(5):3735-3749.

BERŞE

,AKÇA

,DIRGAR

,et al.The role and potential contributions of the artificial intelligence language model ChatGPT[J].Annals of Biomedical Engineering,2024,52(2):130-133.

WANG

X Y

,FEI

F Q

,WEI

J W

,et al.Knowledge and attitudes toward artificial intelligence in nursing among various categories of professionals in China:a cross-sectional study[J].Frontiers in Public Health,2024,12:1433252.

BEETS

,NEWMAN

T P

,HOWELL

E L

,et al.Surveying public perceptions of artificial intelligence in health care in the United States:systematic review[J].Journal of Medical Internet Research,2023,25:e40337.

DAVIS

F D

.Perceived usefulness,perceived ease of use,and user acceptance of information technology[J].MIS Quarterly,1989,13(3):319-340.

BAUER

R A

.Consumer behavior as risk taking[J].Marketing:critical perspectives on business and management,1967,593:13-21.

PARK

,WOO

S E

,KIM

.The Attitudes towards Artificial Intelligence Application at Work:scale development and validation[J].Journal of Occupational and Organizational Psychology,2024,97(3):920-951.

王晓娇,夏海鸥.基于Brislin经典回译模型的新型翻译模型的构建及应用[J].护理学杂志,2016,31(7):61-63.

吴明隆.问卷统计分析实务:SPSS操作与应用[M].重庆:重庆大学出版社,2010:1.

施月仙,王晓庆,刘晓琴.量表汉化论文的报告建议[EB/OL].(2025-01-06)[2025-02-12].https://kns.cnki.net/KCMS/detail/detail.aspx?filename=FSJX20250103001&dbname=CJFD&dbcode=CJFQ.

张晨,周云仙.我国护理测量工具文献中内容效度指数应用误区分析[J].护理学杂志,2020,35(4):86-88;92.

吴明隆.结构方程模型AMOS的操作与应用[M].重庆:重庆大学出版社,2010:1.

2026年第40卷第3期

引用本文

BibTeX

文章信息

doi: 10.12102/j.issn.1009-6493.2026.03.011

接收时间：2025-04-11
首发时间：2026-10-28
出版时间：2026-02-10

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2025-04-11
修回日期：2026-01-07

基金

作者信息

¹苏州大学附属第一医院，江苏 215006

²同济大学医学院

³复旦大学附属中山医院青浦分院

⁴同济大学附属第十人民医院

通讯作者:

居海岭，E-mail：jhling_dw@163.com

JU Hailing, E-mail: jhling_dw@163.com

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/hlyj/CN/10.12102/j.issn.1009-6493.2026.03.011

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT

项目	分类	人数	百分比（%）	项目	分类	人数	百分比（%）
工作年限	1~5年	110	35.71	工作科室	内科	70	22.73
>5~10年	89	28.90		外科	81	26.30
>10~15年	64	20.78		急诊科	26	8.44
>15~20年	23	7.47		重症医学科	82	26.62
>20年	22	7.14		麻醉科手术科	26	8.44
年龄	20~25岁	58	18.83		护理部	18	5.84
>25~30岁	81	26.30		体检中心	4	1.30
>30~40岁	137	44.48		内镜中心	1	0.32
>40~50岁	27	8.77	层级	N0级	40	12.99
>50~60岁	5	1.62		N1级	54	17.53
性别	女	249	80.84		N2级	100	32.47
男	59	19.16		N3级	97	31.49
学历	专科及以下	34	11.04		G级	17	5.52
本科	234	75.97	职务	无	276	89.61
硕士研究生	39	12.66		有	32	10.39
博士研究生	1	0.32	人工智能使用经验	从未使用	48	15.58
职称	初级	154	50.00	偶尔使用	186	60.39
中级	133	43.18		经常使用	74	24.03
高级	21	6.82

项目

分类

人数

百分比（%）

项目

分类

人数

百分比（%）

工作年限

1~5年

110

35.71

工作科室

内科

22.73

>5~10年

28.90

外科

26.30

>10~15年

20.78

急诊科

8.44

>15~20年

7.47

重症医学科

26.62

>20年

7.14

麻醉科手术科

8.44

年龄

20~25岁

18.83

护理部

5.84

>25~30岁

26.30

体检中心

1.30

>30~40岁

137

44.48

内镜中心

0.32

>40~50岁

8.77

层级

N0级

12.99

>50~60岁

1.62

N1级

17.53

性别

女

249

80.84

N2级

100

32.47

男

19.16

N3级

31.49

学历

专科及以下

11.04

G级

5.52

本科

234

75.97

职务

无

276

89.61

硕士研究生

12.66

有

10.39

博士研究生

0.32

人工智能使用经验

从未使用

15.58

职称

初级

154

50.00

偶尔使用

186

60.39

中级

133

43.18

经常使用

24.03

高级

6.82

条目

因子载荷

共同度

因子1

因子2

因子3

因子4

因子5

因子6

条目1：人工智能具有需求

0.738

0.582

条目2：人工智能具有信念

0.870

0.826

条目3：人工智能能够体验情感

0.791

0.710

条目4：人工智能具有自主意识（如独立决策能力）

0.790

0.685

条目5：人工智能能从工作中积累经验进行学习

0.815

0.769

条目6：人工智能在工作中自我改进

0.845

0.841

条目7：人工智能具备工作中的学习能力

0.861

条目8：人工智能随时间在工作中不断适应

0.791

0.775

条目9：人工智能能为工作者提供完整的信息支持

0.688

0.569

条目10：人工智能生成的信息是准确的

0.819

0.738

条目11：人工智能提供的信息格式清晰易懂

0.718

0.632

条目12：人工智能运行稳定可靠

0.787

0.686

条目13：人工智能提供的信息始终保持更新

0.791

0.709

条目14：在工作中使用人工智能让我有些不安

0.828

0.716

条目15：在同事面前操作人工智能会让我感到紧张

0.846

0.801

条目16：如果被分配需要用到人工智能的工作任务，我会感到不适

0.818

0.800

条目17：在工作中的与人工智能对话会让我产生疑虑

0.816

0.748

条目18：我担心自己目前的工作技能会被人工智能取代

0.905

0.890

条目19：我因人工智能可能替代员工而担忧自己的职业发展

0.909

0.907

条目20：我认为我的工作可能被人工智能替代

0.869

0.852

条目21：我担心人工智能会取代人类在工作中的能力

0.893

0.831

条目22：使用人工智能能增强我对自身工作技能的信心

0.846

0.766

条目23：使用人工智能会让我在工作中获得有价值的成就感

0.851

0.820

条目24：使用人工智能能为我带来工作上的乐趣

0.802

0.770

条目25：使用人工智能能让我更好地掌控工作进程

0.806

0.779

特征值

3.485

3.348

3.186

3.117

3.058

2.869

方差贡献率（%）

13.941

13.391

12.744

12.467

12.233

11.476

累计方差贡献率（%）

13.941

27.333

40.076

52.544

64.776

76.252