生成式人工智能使用取向与中国大学生批判性思维倾向的关系研究

《Frontiers in Psychology》:Associations between generative AI usage orientations and critical thinking disposition among college students in China

【字体: 大 中 小 】 时间:2026年09月28日 来源:Frontiers in Psychology 3.8

编辑推荐:

  摘要 引言: 关于生成式人工智能(generative artificial intelligence, GenAI)在高等教育中的研究通常以采纳或使用频率来描述其应用。然而,学生可能以不同方式使用同一系统。 方法: 本研究概念化了三种GenAI使用取向(工具

  
摘要 引言: 关于生成式人工智能(generative artificial intelligence, GenAI)在高等教育中的研究通常以采纳或使用频率来描述其应用。然而,学生可能以不同方式使用同一系统。 方法: 本研究概念化了三种GenAI使用取向(工具、指导和协作),并对中国430名大学生进行了问卷调查,以检验它们与批判性思维倾向(critical thinking disposition, CTD)的双变量和调整后关联。工具取向代表了相对委托性的使用,包括以GenAI为中心的任务完成以及直接采用其输出而很少进行独立修改。指导取向反映了对解释、示例、线索或诊断帮助的工具性请求。协作取向反映了由学生主导的迭代协调。基于测量评估,CTD被用作主要结局指标。 结果: 工具取向与CTD无统计学显著的双变量关联(r = ?0.044, p = 0.363),但具有负向的调整后关联(β = ?0.189, p < 0.001)。这一模式与统计抑制一致;调整后的工具取向系数代表一种条件性关联。指导取向(β = 0.126, p = 0.017)和协作取向(β = 0.321, p < 0.001)均显示出正向的调整后关联。使用取向模块额外解释了CTD 10.37%的方差,最终模型解释了CTD 38.95%的方差。 讨论: 研究结果表明,行为取向提供了超越一般GenAI使用经验测量的额外信息。
论文解读:生成式人工智能使用取向与中国大学生批判性思维倾向的关系
1. 研究背景与问题提出
随着生成式人工智能(GenAI)在高等教育中的普及,学生利用其进行概念澄清、观点生成、文本修订和研究辅助等活动已成为常态。然而,现有研究多聚焦于GenAI的采纳率或使用频率,忽略了学生在使用同一系统时可能存在截然不同的组织方式。这种差异对于理解GenAI如何影响学生的批判性思维倾向(CTD)至关重要。CTD是指个体质疑主张、考虑替代方案、依据证据进行判断的稳定意愿。已有研究表明,GenAI既能提供解释和多元视角,也可能因其流畅的输出导致学生过早接受,从而削弱其独立思考。例如,在科学探究任务中,无限制的ChatGPT支持降低了学生的认知负荷,但也导致了更弱的论证质量;而在结构化引导条件下,学生则表现出更高阶的思维和自我调节学习。这些矛盾的结果提示,GenAI的教育后果可能取决于学生如何组织其与系统的互动,而非仅仅取决于使用与否或使用时长。因此,有必要从行为取向着手,区分不同类型的GenAI使用模式,并考察其与CTD的关联。
2. 研究方法概述
本研究采用横断面在线问卷设计,于2026年5月至7月期间,通过问卷星和汇翔数据平台对中国30个省级行政区的职业院校、本科及研究生层次的学生进行非概率便利抽样。最终有效样本为430人。研究人员使用验证性因子分析(confirmatory factor analysis, CFA)评估测量模型,并通过层级普通最小二乘(ordinary least squares, OLS)回归分析检验各使用取向与CTD的调整后关联。所有回归推断均采用HC3稳健标准误以处理异方差性。
3. 主要研究结果
3.1 测量模型
研究人员比较了七个竞争性CFA模型。原始五因子模型(工具、指导、协作、批判开放性CO、反思性怀疑RS)和四因子模型(将CO与RS合并为单一CTD因子)均拟合良好。由于在本样本中CO与RS的区分效度不足(潜在相关达0.963,异质-单质比率HTMT为0.964),研究人员最终选择以11项CTD总分作为主要结局指标。工具、指导和协作三个取向之间具有良好的区分效度,其HTMT值均低于0.85的保守阈值。
3.2 双变量关联
双变量相关分析显示:工具取向与CTD的相关性极小且不显著(r = ?0.044, p = 0.363);指导取向(r = 0.384, p < 0.001)和协作取向(r = 0.525, p < 0.001)均与CTD呈显著正相关。此外,指导与协作之间存在强正相关(r = 0.622, p < 0.001)。
3.3 调整后关联
层级回归分析表明,在控制人口学特征和一般GenAI使用经验后,使用取向模块额外解释了CTD 10.37%的方差(ΔR2 = 0.104, p < 0.001)。最终模型解释了CTD 38.95%的方差。具体而言:
  • •
    工具取向在完全调整模型中与CTD呈显著负向关联(β = ?0.189, p < 0.001)。其双变量关联不显著而调整后关联显著的模式符合统计抑制现象,表明在控制其他取向和协变量后,工具取向代表了一种相对更具委托性的GenAI使用方式。
  • •
    指导取向与CTD呈显著正向关联(β = 0.126, p = 0.017),表明寻求解释、示例等工具性帮助的行为与较高的CTD相关。
  • •
    协作取向与CTD呈最强的正向关联(β = 0.321, p < 0.001),提示迭代协调式的GenAI使用与批判性思维倾向密切相关。
3.4 补充分析
以批判开放性(CO)和反思性怀疑(RS)作为补充结局指标的重复分析基本复现了主结果模式:工具取向在两个子量表上均为负向,协作取向均为正向,而指导取向在RS上达到显著(β = 0.174, p = 0.003),在CO上未达显著(β = 0.090, p = 0.079)。
4. 讨论与结论
讨论部分总结: 本研究发现,GenAI使用取向与CTD的关联因取向类型而异。工具取向的调整后负向关联可能与认知卸载有关——当学生过度依赖GenAI完成任务时,可能减少了评估证据、阐述理由和修正观点的机会。指导取向的正向关联契合工具性求助理论,即恰当的帮助有助于学生克服障碍同时保持对问题的所有权。协作取向的最强正向关联则体现了分布式认知视角下,学生通过迭代协调实现深度加工的价值。值得注意的是,工具取向的双变量与调整后结果的差异强调了同时建模多个相关取向的必要性。此外,指导和协作取向虽高度相关但仍可区分,支持将其视为两个独立的构念。
结论部分翻译: 本研究区分了三种GenAI使用取向:工具、指导和协作,并评估了它们与CTD的关联。工具取向与CTD无统计学显著的双变量关联,但具有负向的调整后系数。指导和协作取向均显示出正向的双变量和调整后关联。使用取向模块在人口学特征和一般GenAI使用经验之外,使R2增加了0.1037(即10.37个百分点)。这些发现揭示了学生如何组织其与GenAI的学术活动。它们反映的是单一时点观察到的关联,并未建立时间顺序或因果关系。未来需要通过纵向、实验和过程性证据来评估方向性、因果效应及所涉及的机制。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号