基于BICOMB 2.0書目分析系統的醫學教師課程思政研究熱點分析

劉靜馨，謝亞蘭，黃 玲

（長沙衛生職業學院，湖南 長沙 410600）

2020年，教育部印發《高等學校課程思政建設指導綱要》指出，課程思政融入課堂教學全過程，需要教師具備育人意識，挖掘課程中的思政內涵，找準結合點，這樣才能確保課程思政建設順利進行。長期以來，困擾醫學院校課程思政建設的一個難題就是思政理論課和專業課教學“兩張皮”[1]。醫學院校有自身特點和發展規律，專業課教師對國家衛生健康事業的相關政策及發展前沿要有深入理解，將自己在衛生健康領域的親身經歷、感悟與學生分享[2]，巧妙融入思政元素，不僅能增強課程的生動性，而且能發揮價值引領作用。聚類分析是基于數據間的相似度，將數據歸于不同組，同一個組內的數據對象具有較高的相似度，其中系統聚類分析根據數據間的距離自動分類，客觀性更強[3]。在不同研究領域，系統聚類分析得到了廣泛應用。近年來，國內學者關于醫學教師課程思政的研究不斷增多，本文對在中國知網數據庫（CNKI）發表的相關文獻進行可視化分析，嘗試用系統聚類分析的方法了解該領域的研究熱點，為今后醫學教師進行課程思政實踐提供參考。

1 資料與方法

1.1 資料來源

檢索中國知網數據庫中與醫學教師課程思政相關的文獻，文獻類型不限、語言不限，檢索時間自數據庫建庫至2023年5月8日，檢索策略為“醫學” AND “教師” AND “課程思政”，初步檢索到802 條文獻記錄。納入標準：以“醫學教師課程思政”為主題的相關研究。排除標準：內容重復；會議摘要、新聞。根據納入和排除標準進行篩選，瀏覽文獻標題與摘要，最終納入相關文獻490 篇。

1.2 研究方法

利用BICOMB 2.0書目分析系統對490 篇文獻題目進行讀取和分析，導出文獻標題、發表年代、作者、作者單位、發表期刊等信息并使用Excel 軟件繪圖，提取文獻中的主題詞進行統計分析并構建高頻詞篇矩陣，采用普賴斯公式界定高、低頻詞，將詞篇矩陣導入SPSS 18.0 軟件并進行系統聚類分析，分析高頻主題詞之間的關系，了解醫學教師課程思政研究領域的內部聯系和潛在發展趨勢。

2 結果

2.1 文獻發表數量

1999—2017年為起步階段，有176 篇文獻，說明這一時期國內學者還沒有對這一領域進行深入研究。教育部于2017、2018年發布《高校思想政治工作質量提升工程實施綱要》《教育部辦公廳關于開展“三全育人”綜合改革試點工作的通知》，引導高校把工作的重心和目標落在育人效果上。故近5年該領域的文獻數量呈井噴式增長（見圖1），共發表文獻214 篇（累計百分比為86.43%）。醫學教師課程思政研究領域開始受到廣泛關注，專業教師非常重視課程思政建設，從育人角度培養醫德高尚、德才兼備的高素質醫學人才。

2.2 高頻期刊統計

醫學教師課程思政研究相關文獻發表在485 本期刊上，排名前15 的期刊發文量占總發文量的31.00%，其中《衛生職業教育》發表的文獻最多（84 篇），《中國繼續醫學教育》發表43 篇，《教育教學論壇》發表39 篇（見圖2）。

2.3 高頻發文機構統計

發文量前20 的機構占機構總數的10.90%（見圖3）。其中，菏澤醫學專科學校發文最多（16 篇），西安交通大學14 篇，南京醫科大學12 篇。

圖3 發文量前20 的機構Figure 3 Top 20 institutions in terms of publication quantity

2.4 引用文獻統計

被引頻次排名前10 的文獻信息見表1，發表時間集中在2018—2021年，其中李琦等發表的《從課程思政視角探醫學生職業素質教育》被引用62 次，排名第一。

表1 1999—2023年中國知網數據庫醫學教師課程思政研究文獻被引頻次前10 位Table 1 Top 10 citation frequencies of medical teachers' Ideological & Political Education research literature in China National Knowledge Infrastructure database from 1999 to 2023

2.5 高頻關鍵詞聚類分析

圖4 1999—2023年中國知網數據庫醫學教師課程思政研究文獻高頻關鍵詞聚類分析樹狀圖Figure 4 Tree chart of high frequency keyword cluster analysis on medical teacher's Ideological & Political Education research literature in China National Knowledge Infrastructure database from 1999 to 2023

3 討論

3.1 醫學人文課程思政育人效果顯著，且融合度高

構建醫學人文課程的思政育人機制是研究熱點，研究機構主要以醫學院校的馬克思主義學院和人文社科學院為主，重點挖掘醫學人文教育和課程思政的內在邏輯，把課程思政作為立德樹人的重要載體，將立德樹人作為醫學人文教育的價值引領和實踐準則，推進醫學人文教育與課程思政有機融合。景云川等[5]從醫學人文學科的內容、醫學人文精神、醫學人文修養等方面闡述了醫學課程思政的價值。閆龍等[6]探索了抗疫精神融入醫學人文教育課程思政的路徑。廖偉聰等[7]認為要提升教師隊伍的思想政治素質，挖掘醫患溝通課程中蘊含的思政元素，強化顯性與隱性雙重教育，形成醫患溝通課程思政體系的合力機制。王小文等[8-10]認為醫學人文教育與專業課程思政具有內在統一性，醫學專業課程思政建設只有關注和重視人文教育，才能促進專業知識、人文知識及思政教育有機融合。

3.2 醫學教師育人能力研究受到重視，但缺乏科學、客觀的評價方法

對醫學教師育人能力的研究總體上仍然處于起步階段，但有可能成為未來研究的熱點。《高等學校課程思政建設指導綱要》指出，教師是全面推進課程思政建設最關鍵的一環，因為教師才是課程教學的落實者與主導者。醫學院校專業課教師隊伍比思政課教師隊伍龐大，也是高校思想政治教育的重要力量，在幫助醫學生堅定理想信念、厚植家國情懷、提升政治擔當、樹立職業信心等方面起著潛移默化的作用[11]。邢佳等[12-14]認為，專業課教師與思政教師、輔導員一樣肩負著育人使命。秦華等[15-16]對醫學教師課程思政能力現狀進行調查，發現其課程思政能力總體處于中等偏上水平，存在群體差異明顯、課程思政實施效果不同、教師群體協同育人氛圍不濃厚的問題，主要是因為專業課教師有醫學教育背景，但人文知識和思想政治理論相對有限，缺乏挖掘課程思政教育資源的經驗和技巧，有時會出現生搬硬套的情況[17]。醫學院校有自身專業特點，要使醫學專業課教師深刻理解課程思政的價值，實現專業教學與思政教育同向同行。龐建茹等[18-22]建議從強化育人意識、建立思政教學能力培養機制、健全評價制度等方面提升教師課程思政能力。

3.3 醫學課程思政教學研究趨于成熟，但需重視課程思政教學評價研究

研究人員就多門醫學課程、多種教學方法、多種評價手段進行課程思政教學探索與改革，有效增強了課程思政的廣度、深度和溫度，形成了較為成熟的醫學課程思政教學體系。結合重大公共衛生事件、抗震救災、醫療援助等緊貼社會熱點[23]，從社會責任、醫者擔當、家國情懷、仁心仁術等角度將思政元素以寓教于無形的方式融入教學。將白求恩、屠呦呦、裘法祖、鐘南山、吳孟超等醫德榜樣引入課堂[24]，優秀的醫者形象能讓醫學生感同身受，達到思政教育入腦入心的效果。而將優秀傳統文化、中醫藥文化、抗疫精神、紅醫精神、民族精神等融入思想政治教育，也取得了不錯的育人成效。同時，課程思政教學案例資源庫、在線課程思政教學平臺的構建也可以助力醫學院校課程思政教學改革[25-27]。多位學者嘗試將案例教學、以問題為中心的教學、線上線下混合教學、角色扮演、BOPPPS 等[28]引入專業課思政教學，積極探索課程思政新模式。目前，醫學院校課程思政評價理論研究和實踐仍然處于探索階段，徐依靜等[29]認為目標評價模式和CIPP 模式對構建醫學專業思政教學質量評價體系具有重要參考價值，劉艷花等[30-31]分別構建了山西醫科大學課程思政育人評價指標體系和高職院校專業教師課程思政教學評價體系。但是，關于課程思政教學質量與育人效果的評價體系僅限于小范圍的探索及實踐，今后還需要進一步完善、改進才能推廣到更多醫學院校。

3.4 加強高校教師人文素質培養，培養醫學生良好醫德醫風

培養良好醫德醫風，引導醫學生樹立正確的人生觀、道德觀，是醫學院校的重要使命。醫務工作者應具備良好的人文素養和仁愛精神，因此，教師的人文素質對醫學生思政教育非常重要。目前，對于醫學院校教師人文素質的研究比較分散，還需進一步深入研究來提升研究質量。楊森等[32]認為醫學院校新入職教師人文素質具有復雜性的特點。孔令平等[33]認為專業教師應以高尚的品格和人格魅力影響學生。王曉東等[34-36]認為，醫學生人文精神培養來自教師的教育、引導和示范，醫學教師應具備良好的人文素養，注重言傳身教，以潤物無聲的方式感染學生，提升學生道德修養，提高學生思想道德水平。

4 結語

本研究采用BICOMB 2.0書目分析系統和SPSS 18.0 統計軟件對中國知網數據庫中的醫學教師課程思政相關文獻進行聚類分析，歸納總結了4 個研究熱點。醫學教師課程思政建設已受到重視，但是該領域研究的深度和廣度有待進一步拓展，建議使用混合式研究方法結合多區域、多院校的實際情況，對醫學教師課程思政教學能力和育人效果評價系統進行理論研究與實踐應用。本研究也存在一定局限性，僅檢索了中國知網數據庫，后續還將擴大數據庫范圍，進行更全面的檢索，分析該領域研究趨勢。