利用生成式人工智能与人格提示词培养应对社会健康决定因素的能力

用生成式AI人格提示词充当虚拟患者，在临床训练机会不一致的情况下，为学生提供练习SDOH筛查与应对的结构化场景。 相较传统标准化病人或常规模拟，这里由12句提示词定义角色（患者与FNP）、场景与患者信息，并规定至少三项SDOH显著影响患者健康；学生以三四人小组共用屏幕，把提示词输入Claude Sonnet推进对话，并配合Neighborhood Navigator与GoodRX等即时工具。 98名学生参与的描述性教学设计报告；提示词经迭代修订，直至大语言模型输出“consistent and effective”；该教学活动经机构审查后归类为质量改进。

学生对该活动的接受度与自评舒适度都很高。 把可接受性与自评舒适度具体量化为该项目的数据，便于同类课程对照。 匿名、自愿的投票，平均每轮约75份回应；最常见一词反馈为“helpful”（n=83），95%认为活动促进其SDOH学习（n=82），78%（n=90）选择舒适度最高两档，均分4.1/5。

SDOH知识测验整体成绩高，但“识别应对SDOH的具体策略”是相对薄弱的一环。 把“了解SDOH”与“知道如何应对”分开呈现，为后续教学重点提供线索。 98人测验平均94%；“识别应对SDOH具体策略”一题仅54%答对；在55名回答者中，47%把了解SDOH资源列为主要收获。

运行层面，所有SDOH域都被学生提及，且跨组AI输出存在细节差异。 报告了同一提示词在多组并行使用时的输出变异，以及教师对这种变异的处理方式。 98份回应中最常提及经济稳定、住房、社区安全与交通；教师认为跨组差异（例如虚拟患者邮编）不影响体验，反而丰富了复盘讨论。

该结果面向家庭执业护士学生，在线上视频会议环境中以三四人小组形式开展，依赖学校自建的生成式AI平台、Claude Sonnet以及Neighborhood Navigator、GoodRX等资源。最可直接迁移的是设计要素：12句人格提示词的构建与迭代、30分钟预简报、约75分钟情景与行动计划、45分钟符合PEARLS框架的复盘，以及让学生分组共用屏幕以缓解技术问题的安排。文本还提示，若主题更复杂，复盘可考虑与情景等长的时间；若用于其他课程或主题，需要重新迭代提示词，并决定是否使用多个案例。

读者可能仍想追问几件事：提交的全文markdown中，若干处括号内的引文内容被截断（例如SDOH筛查漏诊比例处，以及生成式AI平台安全与数据泄露相关文献处），这些引文的出处与具体数值无法在此核对；行动计划的量表条目与评分结果、测验题目构成未在文本中展开；投票为自愿匿名，未作答学生的看法不在数据中；隐私与伦理在文本中被提出，但未描述具体处理方案；学生在后续真实临床实践中的表现与学习效果的持久性，文本未作报告。