生成式人工智能在学术研究中的应用：自我破坏性行为的隐性影响

《INTERNATIONAL JOURNAL OF INFORMATION MANAGEMENT》：Generative AI in academic research activities: The hidden side of self-detrimental consumption

生成式AI在学术研究中的自我损害性消费现象及GAI-SDC框架研究，通过在线讨论与访谈分析用户行为、技术局限与学术环境相互作用，提出缓解策略。

　　

阮梅|张云恩|卜毅|拉塞尔·贝尔克

格里菲斯大学旅游与市场营销系，澳大利亚昆士兰州内森市凯塞尔斯路170号，邮编4111

摘要

生成式人工智能（GenAI）正越来越多地被研究人员（包括积极参与研究的教育工作者）和研究学生应用于学术研究活动中。虽然GenAI可以提高效率，但它也可能为了短期的便利而促进自我有害的消费行为，从而损害长期的研究诚信和能力。为了揭示这一“隐藏面”，我们对在X平台（前身为Twitter）上自我认同的研究人员、积极参与研究的教育工作者和研究学生的讨论进行了网络民族志研究（2024年10月至11月；研究1），同时对19名澳大利亚的研究人员（年龄在19至45岁之间）进行了半结构化访谈（研究2）。通过这些数据，我们确定了五个关键主题：用户误用、环境因素、使用障碍、GenAI的局限性以及相关子主题。结合这两项研究，我们提出了GenAI自我有害消费（GAI-SDC）框架，该框架阐明了这些因素在学术研究背景下的相互关系。该框架提供了一个聚焦的视角，用于分析与GenAI相关的行为，通过研究这些因素在学术研究活动中的相互作用。

引言

生成式人工智能（GenAI）的发展速度前所未有。它已越来越多地融入学术研究活动中。除了更广泛的社会应用外，GenAI现在还支持大学和研究机构的核心研究任务，包括生成想法和研究问题、起草和修改文本，以及协助数据分析和解释（Burger等人，2023年；Dwivedi等人，2023年；Rowland，2023年；Singh等人，2024年；Gupta和Rathore，2024年）。在本文中，学术研究活动指的是系统化的探究，这些活动在大学和研究机构中进行，涉及研究人员（包括积极参与研究的教育工作者和研究学生），涵盖了从问题提出和研究设计到数据收集与分析、写作和传播的整个工作流程。先前的研究表明，学生参与的是基于研究的真实学习过程。这也表明教育工作者经常作为学生的监督者和合作者。因此，从研究活动的角度来看，自然地包含了这三个角色（研究人员、积极参与研究的教育工作者和研究学生）。这种视角有助于审视GenAI在学术界的风险和机制（Andersen等人，2025年；Peres等人，2023年；Riemer和Peter，2024年）。

GenAI带来了效率的提升和新的支持形式。然而，其在学术研究中的使用也引发了关于数据质量、学术自主性、创新性、可解释性以及更广泛生态系统影响的担忧（Ashok等人，2022年；Dwivedi等人，2023年；Grimes等人，2023年）。伦理辩论集中在公平性、知识产权、版权、劳动影响以及生成模型加剧现有不平等的风险上（Dwivedi等人，2023年；Samuelson，2023年；Zarifhonarvar，2024年；Bail，2024年）。这些紧张关系构成了本研究的背景。研究表明，GenAI的使用可能会促进看似对学术研究有害的消费模式。

自我有害消费的概念在传统的消费者行为研究中已被广泛研究。它指的是消费者明知会损害自身长期利益但仍选择某些行为的情况。经典研究表明，对成瘾、冲动消费及相关行为的认识可以与持续使用GenAI共存。情感影响、社会比较以及偏好即时满足而非未来利益的时间偏好推动了这种持续的使用（Hirschman，1992年；Hoch和Loewenstein，1991年）。最近的研究表明，在学术研究中的GenAI使用中也出现了类似的自我有害模式（Epstein等人，2023年）。这些包括将个人信息未经授权地用作训练数据、滥用GenAI生成有害内容、学术不端行为（如作弊）以及过度依赖GenAI来完成对培养研究能力至关重要的任务。这些模式不仅会损害学术诚信，还可能引发数据质量、公平性和创新方面的危机（Epstein等人，2023年；Nah等人，2023年）。

在这种背景下，本研究探讨了学术研究中的自我有害GenAI消费现象。它采用了一种定性的多方法设计，结合了网络民族志（研究1）和半结构化访谈（研究2）来收集和分析深入的定性数据。研究1基于X平台上的在线讨论，数据收集时间为2024年10月至11月，以捕捉学术研究背景下GenAI使用的实时讨论。研究2涉及19名来自澳大利亚的学术研究人员，参与者年龄在19至45岁之间，包括博士生、博士后研究员和教职员工。这些群体通常是采用新兴技术的前沿。这些样本选择提供了统一的时间框架、年龄范围和机构背景，也定义了应如何解释研究结果的范围。

本研究解决了三个相互关联的研究问题。首先，学术研究中自我有害GenAI使用的不同实践有哪些？这些包括用户行为和技术相关挑战。其次，个人习惯、学术生态系统压力以及GenAI的固有局限性如何相互作用，从而塑造了这种使用的情境线索？第三，自我有害GenAI消费对研究诚信、创新和学科发展有哪些短期和长期后果？为了解决这些问题，研究对两个数据集进行了主题分析，并开发了一个概念模型来连接所确定的主题。目的是提供对这一复杂现象的结构化理解。它还旨在为学术研究中的负责任GenAI使用奠定理论基础，并提供实用指导，以支持GenAI时代的学术研究健康发展。

本文的其余部分结构如下：文献综述综合了关于GenAI在学术研究活动中应用的现有研究，指出了对自我有害消费模式理解的不足之处。接下来，方法论部分概述了包括网络民族志和半结构化访谈在内的两阶段定性设计。研究结果提出了五个核心主题，并通过现有的消费者行为理论、技术使用和AI伦理学视角对这些主题进行了解读。最后，结论总结了主要贡献，提出了减少自我有害GenAI使用的建议，并为未来的研究指明了方向。

研究片段

学术研究中的GenAI

GenAI已迅速融入学术研究活动的各个阶段（Andersen等人，2025年）。研究人员和研究学生利用对话式和编码工具来生成研究主题、确定研究范围、综合文献、处理和分析数据，以及起草或修改手稿（Dwivedi等人，2023年；Peres等人，2023年）。这些工具通常被描述为帮助用户探索不熟悉的领域、自动化重复性任务并节省时间。

研究设计概述

为了研究学术研究中生成式人工智能（GenAI）的自我有害消费现象，我们采用了结合网络民族志（研究1）和半结构化访谈（研究2）的两阶段定性设计。这种方法使我们能够从自然的在线讨论中识别出广泛的模式，然后通过研究人员的第一手叙述来进一步理解和深化这些见解。结合这两种方法提供了捕捉心理现象的广度和深度。

研究结果

通过应用网络民族志方法，我们分析了社交媒体平台X上关于学术研究中GenAI自我有害消费的用户讨论。我们最初从X（前身为Twitter）中检索了2024年10月1日至11月1日期间的12,684条帖子。经过筛选后，最终保留了320条原始帖子用于分析。这些帖子构成了下面呈现的主题结果的实证基础。

我们的研究发现表明，这些讨论……

理论意义

本研究有助于从理论角度理解GenAI应用中的自我有害消费现象，通过引入GenAI自我有害消费（GAI-SDC）框架扩展了现有研究的范围。虽然以往的研究主要集中在个人明知会有长期负面后果但仍选择某些行为的传统消费行为上（Baumeister，2002年；Hoch和Loewenstein，1991年），但本研究应用了自我有害消费的概念。

CRediT作者贡献声明

拉塞尔·贝尔克：写作——审稿与编辑、监督、项目管理、概念化。卜毅：写作——审稿与编辑、初稿撰写、资源准备、方法论设计、数据整理、概念化。张云恩：写作——审稿与编辑、初稿撰写、可视化展示、验证、方法论设计、数据整理、概念化。阮梅：写作——审稿与编辑、初稿撰写、可视化展示、验证、

资金

本项工作未获得任何资金支持。

关于写作过程中生成式人工智能和AI辅助技术的声明

在准备本工作时，作者使用了OpenAI的ChatGPT 4.0来进行校对以提高写作质量，并按照APA格式格式化参考文献。使用该工具/服务后，作者根据需要对内容进行了审查和编辑，并对出版物的内容负全责。

利益冲突声明

不存在利益冲突。我们希望确认，与本出版物无关的已知利益冲突，且本工作未获得可能影响其结果的任何重大财务支持。

阮梅是澳大利亚格里菲斯大学旅游与市场营销系的高级讲师，同时也是越南河内工业大学的荣誉研究员。她的研究兴趣包括环保行为改变、知识共享、创新技术、食物选择和食物浪费。她的研究成果发表在《商业研究杂志》、《英国管理杂志》、《知识管理杂志》和《零售与消费者服务杂志》等期刊上。