面向资源有限医学教育的教师级离线自动化标准化病人评估数据集
该数据集提供去标识化源数据，支持研究“面向资源有限医学教育的教师级离线自动化标准化病人评估”，该研究评估AI Virtual Medical Teacher（AIVMT）自动化能力评分与盲法教师评分之间的一致性
基本信息
资源简介
面向资源有限医学教育的教师级离线自动化标准化病人评估数据集
该数据集为一项关于资源有限医学教育环境下标准化病人评估的研究提供去标识化源数据，核心目标是检验AI Virtual Medical Teacher（AIVMT）自动化能力评分与盲法教师评分之间的一致性。研究纳入54名四年级医学生，每名学生完成三次模拟妇产科病史采集场景，分别涉及异位妊娠、异常子宫出血和阴道炎。数据集包含162次问诊的自动化评分、来自三名盲法评分者的486条教师评分记录，以及54名参与者对系统可用性、感知学习价值、偏好功能、改进建议和继续使用意愿的逐项问卷反馈。数据发布于Zenodo，采用知识共享署名4.0国际许可，作者为Peigen, Chen，发布时间为2026年，本站分类归入妊娠、分娩和产褥期/其他。
【数据集背景】
在资源有限的医学教育环境中，标准化病人评估通常依赖教师现场参与，成本较高且难以规模化。该数据集所支持的研究聚焦于一种离线自动化评估方案，即AI Virtual Medical Teacher（AIVMT），旨在探索自动化能力评分能否达到与教师评分相近的水平。研究通过让四年级医学生完成妇产科病史采集模拟问诊，并将AIVMT自动评分与盲法教师评分进行一致性比较，以评估该系统在资源受限场景下的可用性。数据集即为该研究提供可复用的去标识化源数据，帮助外部研究者了解评分一致性、系统可用性及学习价值感知等方面的原始记录。
【数据内容】
数据集包含三类主要记录。第一，自动化评分数据：覆盖162次问诊，对应54名四年级医学生每人三次模拟妇产科病史采集场景。第二，教师评分记录：共486条，来自三名盲法评分者，用于与自动化评分进行一致性比较。第三，问卷反馈数据：来自54名参与者的逐项问卷响应，内容涵盖系统可用性、感知学习价值、偏好功能、建议改进以及继续使用系统的意愿。此外，数据发布还包含数据字典和汇总分析输出。源站描述在末尾处未完整给出，因此关于发布包中除数据字典和汇总分析输出之外是否还有其他文件，源站未提供。
【采集与来源】
数据来源于一项针对四年级医学生的模拟妇产科病史采集评估研究。每名学生完成三次问诊场景，分别对应异位妊娠、异常子宫出血和阴道炎。评分由AI Virtual Medical Teacher自动生成，同时由三名盲法评分者独立给出教师评分，以支持一致性分析。问卷部分收集了参与者对系统的可用性、学习价值、偏好功能、改进建议和继续使用意愿的逐项反馈。数据经去标识化处理后发布，来源站为doi.org，发布机构为Zenodo。关于研究的具体实施时间、地点、招募方式及伦理审批信息，源站未提供。
【适用场景】
该数据集适用于医学教育评估、标准化病人问诊评分自动化、AI辅助教学系统评价等方向。具体而言，可用于研究自动化评分与教师评分之间的一致性，分析不同问诊场景（如异位妊娠、异常子宫出血、阴道炎）下的评分表现，以及考察医学生对自动化评估系统的可用性感知、学习价值判断和继续使用意愿。此外，数据字典和汇总分析输出可用于复现或扩展原始分析。由于数据已去标识化，适合在符合许可条款的前提下进行二次分析。关于是否适用于其他专科或非妇产科场景，源站未提供。
【使用方法】
使用者可依据数据字典理解各字段含义，结合自动化评分、教师评分和问卷反馈进行一致性分析、描述性统计或混合方法研究。汇总分析输出可作为参考基准。由于数据涉及54名参与者和162次问诊，分析时需注意样本量对统计效力的影响。许可条款允许在署名前提下共享和改编。关于具体的软件环境、分析代码或推荐统计方法，源站未提供。
【质量与限制】
该数据集来自单一研究，样本为54名四年级医学生，场景限定于妇产科病史采集，涉及异位妊娠、异常子宫出血和阴道炎三类。教师评分来自三名盲法评分者，共486条记录，自动化评分覆盖162次问诊。问卷反馈为54名参与者的逐项响应。数据已去标识化，但源站未提供关于评分者间信度、评分者培训细节、自动化评分算法版本或缺失数据情况的说明。此外，源站描述在末尾处不完整，可能影响对发布包完整内容的判断。关于外部验证、多中心适用性或长期稳定性，源站未提供。
【引用与许可】
该数据集作者为Peigen, Chen，发布机构为Zenodo，发布时间为2026年，来源站为doi.org。许可为Creative Commons Attribution 4.0 International，允许在署名条件下共享、改编和商业使用。引用时应注明作者、标题、发布平台、年份及DOI。关于具体引用格式或DOI链接，源站未提供。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.5281/zenodo.23238246
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 57.8 KB。
数据说明
本数据集提供去标识化源数据，支持研究《面向资源有限医学教育的教师级离线自动化标准化病人评估》，该研究评估AI虚拟医学教师（AIVMT）自动化能力评分与盲法教师评分之间的一致性。研究纳入54名四年级医学生，每名学生完成三次模拟妇产科病史采集问诊，涉及异位妊娠、异常子宫出血和阴道炎。数据集包含162次问诊的自动化评分、来自三名盲法评分者的486条教师评分记录，以及54名参与者的逐项问卷回答，涵盖系统可用性、感知学习价值、偏好功能、改进建议和继续使用系统的意愿。本次发布包括数据字典、汇总分析输出，以及用于重新计算所报告一致性和问卷统计量的Python脚本。其他汇总输出描述了在合成转录文本上进行的模型规模、量化、本地与云端、扰动和语音识别噪声实验。
原始研究标识符、身份对照表、个人人口统计信息、问卷自由文本、访谈记录和录音均被排除在外。特定于发布的标识符允许将自动评分和教师评分关联起来进行分析，而不包含原始参与者标识符。数据根据经伦理批准的补充数据共享协议发布，该协议允许公开去标识化数据，但排除敏感的学生信息。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
