AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

案例式学习

创建 2026-11-07 · 更新 2026-11-07

本页是英文页面的机器翻译，尚未经母语者审校。

综合：案例式学习通过一个个具体的案例来教学：一份病人陈述、一桩法律纠纷、一项商业决策、一段课堂片段，或一对形成对照的实例。案例提供情境、事实与模糊性；教师设计问题与讨论，把它转化为学习。这种方法在法律与商业教育中是一种标志性教学法——案例方法与苏格拉底式提问长期组织着那里的课堂——在健康专业教育中也是如此，临床案例与标准化病人提供受控的练习。它的学习机制与 问题导向学习 和 生产性失败 重叠，但并不等同：案例通常是有边界的叙事，配有一个被设计好的问题空间，而问题导向学习从一个结构不良的问题出发，由学生自行探究。新的 AI 证据前景可观但范围狭窄。一项五案例的围手术期可行性研究发现，一个锚定在案例上的大语言模型对受训者提问的 99.3%（543/547）作出了恰当回答，且未产生任何虚构内容。一项护理可行性研究发现，ChatGPT 把案例编写时间从 106 分钟缩短到 71 分钟，而讨论质量没有可测量的变化。一项对六项随机试验的元分析发现，AI 驱动的问题式与案例式学习改善了知识与满意度，但只有两项试验检验了案例式学习，且该综述从未分别分析各种形式。语料中仍缺少一项在同一设计中同时分离案例质量、讨论引导与学习结果的研究。

值得思考的问题

  • 什么使一个案例成为案例，而不是一道冗长的应用题，或一个后面挂着测验的故事？
  • 案例式学习与问题导向学习有何不同，而这一差别为何对“AI 应当如何使用”至关重要？
  • 案例讨论中哪些部分应当预先规划，哪些应当留给教师的临场判断？
  • 当 AI 生成一个案例时，在学生看到它之前必须核查什么？当学生与 AI 导师讨论案例时，必须保护什么？
  • 案例为何在法律与商业教育中如此普遍，如果案例被摘要或模拟取代，这些学科会失去什么？
  • 什么证据能表明案例式教学确实有效，而不只是学生喜欢这个案例、或给讨论打了高分？

引言

案例是一个有边界的特定事例。它给学习者一个带有行动者、事实、约束条件的情境，通常还有一个待作出的决定或待得出的诊断。案例本身并不携带自己的教训。教训来自教师提出的问题、学生作出的比较，以及他们在讨论中外化的推理。这就是为什么案例式教学是一种设计实践，而不只是一种阅读材料的体裁。

这个说法覆盖的是一族技术。案例式学习 通常指用结构化案例来应用知识、发展临床或专业推理。案例方法 是法律与商业传统中通过上诉法院意见或管理情境来教学的做法，常伴以苏格拉底式提问。案例研究 可以指教学案例，但同一个说法也命名一种研究设计；一项关于某所学校的研究并不是一堂案例式课程。对照案例 通过让学习者比较两个或多个在教师希望他们注意的某一特征上有所不同的实例，来磨锐感知。案例讨论 是把书面案例转化为集体推理的那一层引导。

这些技术与 问题导向学习、探究式学习、模拟 和 生产性失败 重叠，实践中界线并不总是清晰。本页保留的区分是功能性的：案例式设计从一个为教学目的而挑选或撰写的案例出发，教师用它让某种特定的推理方式变得可见。

什么算作案例式学习

第一重区分来自问题导向学习。PBL 从一个结构不良的问题出发，要求学生识别自己需要学什么、去研究，然后带着解决方案回来。那个问题可以是一个案例，但其定义性特征是学生主导的探究。案例式学习更常始于一份准备好的案例和一套明确的学习目标；教师可以主导分析、分配角色，或用案例来说明某个决定。PBL 与 CBL 共享引导与情境，但它们对控制权的分配不同。这对 AI 很重要：生成案例的 AI 是在支持 CBL 设计，而带学生走完一个开放问题的 AI 更接近 PBL。

第二重区分来自研究性案例研究。质性案例研究是研究一个有界系统的方法。教学案例是一件被设计的制品。同一个词在两处都出现，而语料中有许多文章把案例研究当作研究方法使用，却并不通过案例来教学。概念页必须把教学义项单独守住，否则证据计数就会膨胀。

第三重区分在案例形式之间。完整叙事案例可以长达数页，需要大量准备。短小片段可以放进一节课或一次评估。对照案例组有意把在目标特征上不同的实例配成对。模拟案例可以是交互式的，由标准化病人、聊天机器人或虚拟环境对学习者作出回应。形式改变认知工作：长案例要求综合与排序，片段检验识别，对照案例支持辨别，模拟则加入实时决策。

案例为何有效

案例是从抽象知识通往情境化判断的桥梁。它们给学习者一个概念会产生后果的情境，并让先备知识变得可见：学生必须注意到案例提供了什么、在哪里留下模糊、哪些原则适用。在专业教育中，这正是要点。法律教育用案例与苏格拉底式对话教学生阅读权威、区分判决要旨并从先例推理。商业教育用案例练习在不确定中分析，往往配一个没有唯一正确答案的决定。健康专业教育用临床案例，在真实病人承担风险之前排练诊断、管理与沟通。

机制并不只是“真实世界的例子”。一个案例可以很真实，却教得很少，如果讨论从不要求学生辨别、辩护或比较。更强的设计用案例在讲解之前创造一个问题空间，这就是通往 生产性失败 的连结：学生先尝试一个案例，撞上现有模型的极限，然后得到针对这一缺口的教学。对照案例进一步强化这一点。当两个案例在某个重要特征上不同，学习者能看见那个特征，而不是表层故事。现有的一项研究考察了一门为期三周、面向 78 名少数族裔预科学生的生成式 AI 课程，其中教师示范配以对照案例，把学生从高效复制推向批判性共创（Scaffolding critical engagement with GenAI: Transforming ethnic minority preparatory students' collaborative discourse in prompt engineering tasks）。那是一个案例比较设计，不是对法律或商业中案例式学习的检验，但它在一个真实课堂中显示了这一机制。

案例还带有社会维度。案例讨论让推理公开：学生提出解释、听到替代解释、然后修订。教师的提问承担着教科书无法承担的工作。这就是为什么用摘要或讲授取代案例，可以保住内容却丢掉学习。这也是为什么一个替学生回答案例问题的 AI，即便答案准确，也会短路讨论。

AI 改变了什么

新的证据集中在三种用途上：生成案例、交付案例，以及综合证据。

生成案例。 Higashitsuji、Otsuka 与 Watanabe（2025） 比较了八位护理教师手工编写与 ChatGPT 辅助编写案例。编写时间中位数从 106.0 分钟降至 71.0 分钟，差异有统计学意义，而感知负担与讨论质量没有显著变化。该研究是一项可行性试验，只有九名学生，采用盲法非随机交叉设计，因此它支持的是可能存在的时间节省，而不是等效。重要的设计问题不是模型能否产出一个案例，而是生成的案例是否保住了教师意图中的临床推理，以及是否有人在学生使用之前核查过它。

交付案例。 Trewren 及同事（2026） 构建了五个围手术期案例，载入一个定制的大语言模型平台，让四名麻醉科受训者像做病人评估那样盘问这些案例。在 547 组问答中，99.3%（543/547）被判定为恰当，没有一条是虚构的；四次失败是拒绝报告案例中确实包含的信息。这是“一个被锚定的模型能在追问下把案例守住”的证据。它不是“受训者比在常规案例讨论中学得更多”的证据，该研究也没有比较两者。

综合证据。 Wei 及同事（2025） 综述了六项关于医学与牙科教育中 AI 驱动 PBL 与 CBL 的随机对照试验。四项试验进入知识元分析，报告提升 46%，异质性低；三项产生合并满意度得分 0.7。临床推理无法合并，因为各试验使用的工具不同。六项试验中只有两项检验了 CBL，而该综述并未分别分析 PBL 与 CBL。这一结果对 AI 支持的案例式与问题式设计是鼓舞性的，但它没有告诉我们哪些案例特征带来了增益。

周边的综述增加了背景，却没有增加一个干净的 CBL 估计。Hardie 及同事（2026） 在一项覆盖 103 项研究的护理综述中，把案例式学习放在模拟主题之内，而不是作为它四个命名类别之一。Lorteau 与 Sarro（2025） 把 AI 描述为苏格拉底式教学与交互式法律模拟的补充，但他们那项覆盖 82 项作品的综述并未把案例方法当作一种干预来分析。Csaszar 及同事（2026） 明确不讨论案例式教学；他们仅有的案例引用是附带性的，并且指出一些案例研究已被商业模拟取代。因此，商业与法律教育提供的是案例的制度理由，而不是结果证据。相邻的类案例设计包括 由大语言模型支架的标准化病人，以及那份把案例式学习列为应用类别之一的 医学教育综述。

用 AI 设计与引导案例

  • 围绕一个决定或一次辨别来写案例。 没有后果性选择的案例会退化成一篇阅读材料。明确学生应当注意、决定或辩护什么，然后围绕这个目标搭建事实与模糊之处。
  • 拿生成的案例对照意图中的推理来核查。 AI 可以产出流畅但在结构上错误的临床或法律细节。让学科专家在案例到达学生之前审阅事实、遗漏与推理路径。
  • 保住案例的模糊性。 一个把所有张力都化解掉的生成案例教的是识别，不是判断。保留那些使讨论成为必要的不完整信息与相互竞争的解释。
  • 当目标是辨别时，使用对照案例。 把在学生必须注意的特征上不同的案例配成对，并要求他们解释差别，而不只是给每一个分类。
  • 保护讨论，不让它变成答案投递。 如果案例工作中有一个 AI 导师可用，把它限制在提问、提示或角色扮演。一个直接给出诊断或法律结论的 AI，移除了案例本应创造的那部分认知工作。
  • 评估推理，而不是对案例的记忆。 要求一份辩护、一份鉴别诊断、一次比较或一份决策备忘。一场关于案例事实的测验可以通过，而底层的推理仍然缺席。
  • 把教师的引导当作设计的一部分。 问题的顺序、讲解的时机、以及对一次错误转向的处理，都不是装饰。它们决定这个案例成为一次有生产性的失败，还是一次令人困惑的失败。

局限与证据缺口

证据以一种特定的方式稀薄。围手术期研究检验的是一个被锚定的模型能否回答关于五个案例的问题，而不是案例式教学是否改善学习。护理研究用九名学生检验案例编写时间与讨论质量。元分析合并六项试验，其中只有两项检验了 CBL，其知识结果混合了 PBL 与 CBL。法律与商业综述描述用途与制度情境；它们没有分离案例方法的效应。对照案例研究是一次课程评价，不是对案例形式的受控比较。

还有一个概念上的风险。一个案例可以因为鲜明而被记住，而不是因为它产生了理解。一场讨论可以因为学生在说话而感觉有生产性，而不是因为他们在推理。这个领域需要能把案例与引导、形式与学科内容、即时投入与延迟迁移分开的设计。在那之前，诚实的说法是：案例是一种确立已久的专业教学法，配有可信的 AI 支持，而不是“AI 驱动的案例已证明具有学习优势”。

常见误解

  • “案例式学习不过是带故事的问题导向学习。” PBL 是从一个结构不良的问题出发、由学生主导的探究。CBL 通常从一份准备好的案例和一个更明确的教学目标出发。
  • “一个真实的案例自己就会教学。” 真实提供情境。问题、比较与辩护任务提供学习。
  • “AI 生成的案例可以直接使用。” 生成的案例可以流畅、可信，并且是错的。它们需要专家审阅，以及对它们所招引的推理的核查。
  • “如果学生喜欢这场讨论，案例就奏效了。” 投入不是迁移。结果必须在学生此前无法完成的任务上测量。

关联概念

关联文章

元数据

层次Higher Ed
目标读者Instructors, Learners, Researchers
学习与教学问题导向学习, 生产性失败
技术与方法生成式人工智能, 模拟, 智能辅导
教育中的人工智能基础AI 素养, 批判性思维
来源历史编辑对话

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。