从自动化到增强：通用人工智能在促进学生认知与伦理发展中的作用

《Thinking Skills and Creativity》：From Automation to Augmentation: GenAI’s Role in Promoting Students’ Cognitive and Ethical Development

生成式AI在教育中的双重影响：学生互动如何重塑学习模式与伦理决策（摘要）

　　

阿里夫·佩尔达纳（Arif Perdana）|维贾亚库马尔·巴拉蒂·S（Vijayakumar Bharathi S）|W. 埃里克·李（W. Eric Lee）

引言

将生成式人工智能（GenAI）整合到高等教育中，标志着从自动化向增强的转变，人工智能可以增强人类的学习和批判性思维能力。这一转变在认知、情感和认识论方面具有深远的影响，所有这些都可能从根本上改变教育格局（Lodge等人，2023年；Ooi等人，2023年）。这种转变需要更深入的理论探讨。与其简单地进行二分法区分，不如用悖论理论来解释它，因为它会产生持续的紧张关系，可能会重塑人们的学习方式（Raisch & Krakowski，2021年）。在认知层面，它改变了学生处理信息的方式；在情感层面，它既引发了因被取代而产生的焦虑，也激发了因能力提升而产生的动力；在认识论层面，它重新定义了专业知识，使学生能够与人工智能共同构建知识（Lei & Kim，2024年）。我们的研究在以往工作的基础上，重点关注学生的体验，探讨这些紧张关系如何影响人工智能素养和学术诚信。为了指导我们的研究，我们提出了以下问题：学生在高等教育环境中与生成式人工智能工具的互动如何塑造他们的学习、批判性思维和伦理参与？

像ChatGPT这样的生成式人工智能工具可以帮助理解复杂文本、跨学科整合知识，并帮助掌握文体规范，从而促进更深层次的理解、提高研究技能，并实现个性化学习，并提供即时反馈（Kikalishvili，2023年；Steele，2023年）。尽管有这些好处，但将生成式人工智能整合到教育中也带来了重大挑战，包括对学术诚信的担忧、获取机会的不平等以及错误信息传播的潜在风险。为了解决这些挑战，明确关键概念的定义至关重要。“人工智能素养”指的是批判性地评估人工智能工具使用的能力，而“学术诚信”则涉及在学习和评估中保持诚实和原创性（T. K. F. Chiu，2023年；Lim等人，2023年）。

Lodge等人（2023年）的分类框架为我们的理论提供了基础，他们从两个维度出发来描述生成式人工智能的作用：人机交互模式和生成式人工智能的教育功能。该框架强调，生成式人工智能并不是一种适用于所有情况的解决方案，其影响取决于学习者和教育者如何使用它。在人机交互领域，生成式人工智能可以作为一种学习辅助工具，从提供基本信息到支持复杂的基于对话的学习。这表明，生成式人工智能应该被纳入更广泛的教育策略中，以培养批判性思维、伦理推理和信息素养。

基于这一视角，我们的研究重点关注学生与生成式人工智能的互动，这一领域在以往的研究中往往被忽视，因为以往的研究主要关注教师或系统层面的应用。我们旨在探讨生成式人工智能如何影响学生的学习过程、伦理推理和批判性思维。我们通过强调学习者的声音，并突出当生成式人工智能从自动化任务执行者转变为协作学习伙伴时所发生的情感和认识论变化，扩展了现有的研究。学生的观点至关重要，因为他们能够提供关于实际效用、学习提升和潜在陷阱的第一手反馈，他们的经验直接影响到生成式人工智能在教育环境中的持续应用（T. K. F. Chiu，2024年；Lim等人，2023年）。

我们在印度的一所私立大学进行了一项定性情景研究，共有101名研究生参与了研究，他们使用了ChatGPT、Bard、Bing Chat和Perplexity.ai等生成式人工智能工具完成问题解决任务，之后通过开放式书面访谈进行了反思。我们的分析采用了扎根理论方法，从而得出了关于机会（如创造力提升、反馈个性化）和挑战（如偏见、抄袭风险、过度依赖人工智能）的新兴主题。我们的发现有助于理论发展，阐明了生成式人工智能的增强如何重塑学生的认知和伦理参与，并为实践提供了指导，包括培养人工智能素养和保护学术诚信的方法。这些见解使教育工作者和政策制定者能够在广泛整合技术的同时，制定策略来减轻潜在的负面影响，并优化生成式人工智能的教育潜力。

本文的其余部分安排如下：第2节回顾了STEM和HELMS学科中关于人类智能和生成式人工智能的现有文献，探讨了以学习者为中心的方法；第3节详细介绍了研究方法、数据和分析过程；第4节展示了研究结果；第5节讨论了理论和实践意义；最后，第6节总结了研究的局限性和未来研究方向。

部分摘录

数字素养及其与生成式人工智能的相关性

数字素养最初被定义为使用数字技术访问、评估和创建信息的能力（Gilster，1997年），现已发展为包括参与当今技术中介环境所需的关键能力（Suárez & García-Mari?oso，2025年）。最近的研究强调数字素养是多维度的，涵盖了技术熟练度、信息评估和伦理意识（Ayyoub等人，2025年；Tinmaz等人，2022年）。

方法

在这项研究中，我们采用了基于情景的用户研究方法，并结合了开放式书面访谈。这种方法特别适用于捕捉学生在学术环境中与生成式人工智能工具互动时的细微认知过程和感知，从而深入探讨这些技术如何影响学习行为和决策过程（Hughes & Huby，2004年；Jarusriboonchai等人，2014年；Wroe等人，2017年）。

研究结果

我们的分析揭示了六个相互关联的主题，这些主题说明了生成式人工智能如何通过改变权力动态、演变的学习者身份和新兴的社会技术想象来转变学生的学习体验。我们的发现扩展了Lodge等人（2023年）的框架，展示了学生如何在人工智能中介的学习环境中积极协商自己的作用，挑战了关于被动技术使用的传统假设。表3提供了参与者的相关引述示例。

讨论与启示

从学习者的角度来看，改善教育中的算法与人类互动需要一种综合的方法，包括提高生成式人工智能技术素养；促进数字素养和批判性评估；鼓励创造性和批判性思维；确保认知严谨性和信息完整性。正如Lodge等人（2023年）和Huang（2023年）所强调的，生成式人工智能应该作为认知基础设施来增强而不是取代学习者的自主性和元认知。关键在于理解和

结论

在这项研究中，我们考察了学生在教育环境中与生成式人工智能工具的复杂互动，涵盖了人工智能中介学习的六个相互关联的维度。我们发现，学生通过策略性地选择工具和发展批判性评估技能，在不同生成式人工智能技术中的导航能力得到了提升。通过平衡人工智能辅助和想法的所有权，他们在创造性和批判性思维方面得到了加强。

未引用的参考文献

Wang等人，2025年

伦理声明

本手稿是原创的、未发表的，且未在其他地方接受审稿。本研究符合伦理准则，不存在需要披露的利益冲突。所有作者都做出了重要贡献，并同意提交。

作者声明

阿里夫·佩尔达纳（Arif Perdana）：撰写初稿；进行正式分析；负责可视化；项目管理；资源协调。维贾亚库马尔·巴拉蒂·S（Vijayakumar Bharathi S）：概念构思；数据管理；方法论；撰写与编辑。W. 埃里克·李（W. Eric Lee）：进行研究；撰写与编辑；监督；验证；

CRediT作者贡献声明

阿里夫·佩尔达纳（Arif Perdana）：撰写初稿；验证；资源协调；项目管理；方法论；正式分析；数据管理。维贾亚库马尔·巴拉蒂·S（Vijayakumar Bharathi S）：撰写与编辑；监督；项目管理；方法论；研究；概念构思。W. 埃里克·李（W. Eric Lee）：撰写与编辑；验证；监督；项目管理；数据管理。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。