| 作者、发表年份 | 国家 | 评价对象 | 模型所用的机器学习算法 | 评价模型的功能 | 评价应用 | 性能评价 | 研究类型 | 样本量 |
| 朴杰等(2013) [6] | 中国 | 医学生 | 支持向量机(SVM)算法 | 临床能力评估 | 教学效果 | 评价系统具有可行性 | 定量研究 | 346 |
| 张俊飞(2018) [7] | 中国 | 教师 | 改进朴素贝叶斯算法 | 评教评语情感分析 | 教学过程 | 较传统朴素贝叶斯算法评价性能提高 | 定量研究 | 9854 |
| Yukunchen, MS等(2014) [8] | 美国 | 医学生 | 朴素贝叶斯、逻辑回归和线性SVM | 老年医学能力评估 | 教学效果 | 评价模型在部分老年医学能力评价性能良好，在部分能力评价上效果不佳 | 定量研究 | 119 |
| Jun Yang等(2020) [9] | 中国 | 医学生 | 随机森林 | 自我调节学习水平评价 | 教学管理 | 评价模型具有良好的预测精度、辨别性和泛化性 | 多中心横断面研究研究 | 2052 |
| LiHannaford等(2021) [10] | 美国 | 医学生 | C5.0 (决策树)、随机森林、xgboost、神经网络、支持向量机、朴素贝叶斯、k-最近邻和逻辑回归及堆积集成方法 | 识别不能完成学业的高危学生和与毕业结果相关因素 | 教学管理 | 验证了预测有效性；敏感性低，缺乏泛化性 | 定量描述性研究 | 1018 |
| Matthew S. Holden (2018) [11] | 加拿大 | 学员 | 决策树算法 | 医学技术技能评价 | 教学效果 | 验证了评估方法有较好的准确性和反馈的有用性。 | 定量研究 | 19 |
| Syed Latifi等(2015) [12] | 加拿大 | 医学生 | 决策树算法 | 论文自动评分评估临床能力 | 教学效果 | 评分系统结果可靠性，具有可行性 | 定量研究 | 8007 |
| Aditya Borakati (2021) [13] | 英国 | 课程 | 潜在狄利克雷分配(LDA)算法 | 分析医科学生对电子学习课程的反馈信息 | 教学过程 | 评价方法可行 | 多中心队列研究 | 1396 |
| NykanMirchi等(2020) [14] | 加拿大 | 医生、医学生 | 支持向量机 | 评估和训练医学精神运动技能 | 教学效果 | 评价方法可行 | 定量研究 | 50 |
| Roberto Bertolini等(2021) [15] | 美国 | 医学生 | 单项机器学习算法1) 逻辑回归(LR)、2) 支持向量机(SVM) 集成机器学习算法1) 广义线性模型(GLMNET)、2) 随机森林(RF)和3) 随机梯度增强(GBM) | 早期识别高危风险学生，减少STEM相关课程(护理学。预防医学等)的学生流失率。 | 教学管理 | 评价结果准确性较好，敏感性及泛化性较差 | 定量描述性研究 | 3325 |
| Shang Zhao等(2021) [16] | 美国 | 学员 | 神经网络 | 利用有限数据进行技术技能评估 | 教学效果 | 验证了评价模型利用小样本量进行评价的可行性 | 定量研究 | 478 |
| Andrea Moglia等(2022) [17] | 意大利 | 医学生 | 集成深度学习 | 评估外科技能习得的进展，预测医学生的技术技能 | 学习过程 教学效果 | 集成深度学习模型的性能优于集成树的模型(随机森林和GBRT)和传统的非线性ML算法 | 定量研究 | 176 |
| Mohamed S. Baloul, MBBS等(2020) [18] | 美国 | 学员 | 人工神经网络(ANN) | 评价学员的非技术认知技能 | 教学效果 | 机器学习算法比传统方法具有更好的准确性。本研究验证了其可行性 | 定量研究 | 81 |
| Yuanyuan Gao等(2020) [19] | 美国 | 医学生 | 核偏最小二乘(KPLS)多元监督机器学习算法 | 根据学习者的初始技能水平预测其到达熟练程度的训练次数及最终的表现水平，描绘学习曲线 | 学习过程 教学效果 | 评价方法可行 | 定量研究 | 15 |
| Yousi A. Oquendo等(2018) [20] | 美国 | 学员 | 正则化最小二乘回归(lasso)和回归树的组合 | 自动评估学员在儿童腹腔镜缝合任务中的技术技能水平 | 教学效果 | 验证了评价模型的可行性 | 定量研究 | 63 |