编辑推荐：
为解决 AI 在高等教育知识管理中的应用问题，秘鲁研究人员开展 SECI 模型与 ChatGPT 整合研究。结果显示 ChatGPT 对 SECI 模型部分阶段有影响但作用有限。该研究为 AI 在教育中的应用提供参考，值得科研读者一读。
在当今时代，人工智能（AI）正以迅猛之势渗透到各个领域，高等教育也不例外。ChatGPT 这类人工智能工具的出现，为教育带来了新的机遇。它能处理大量数据，根据与用户的交互学习，有望提高学生的主动参与度，实现个性化学习。然而，这把 “双刃剑” 也存在诸多问题。它生成的回答有时较为肤浅，文本内容缺乏一致性，还引发了人们对学术诚信的担忧，大家怀疑它是否真的能帮助学生培养复杂的批判性思维能力1。
与此同时，在知识管理领域广泛应用的社会化、外化、组合和内化（SECI）模型，在教育场景中也发挥着重要作用。它就像一座桥梁，促进着知识的创造与传递，让师生之间的合作更加顺畅，推动着创新教育实践的发展。在这个模型的帮助下，课堂上的知识共创氛围更浓厚，学生的学习也变得更有意义。
但是，当人们尝试将 ChatGPT 融入 SECI 模型时，问题接踵而至。虽然理论上 ChatGPT 能在 SECI 模型的各个阶段发挥作用，比如在社会化阶段当讨论的主持人、外化阶段整理学生的想法、组合阶段处理信息构建复杂概念，但实际操作中却困难重重。在社会化阶段，它无法捕捉到非言语线索和文化差异，而这些对于默契的知识交流和信任建立至关重要；外化阶段，它难以解读人类的主观想法，并将其转化为严谨的学术结构；组合阶段，它综合不同概念并建立有意义联系的能力有限；内化阶段，虽然能方便学生获取和传播显性知识，但在促进批判性反思和深度学习方面效果不佳。
另外，目前关于 AI 聊天机器人在教育领域的应用研究，大多集中在信息传播和自动回复上，很少有人深入探究它们在支持 SECI 模型中完整的知识创造和转移循环方面的能力。而且，对话式 AI 发展迅速，它在学习个性化、教学设计和学术诚信等方面的作用也引发了激烈的争论。人工智能当前的能力与高等教育的教学需求之间存在着明显的差距，这迫切需要进一步探索研究。
为了填补这一研究空白，来自秘鲁大陆大学土木工程学院的 Urpi Barreto 和秘鲁库斯科圣安东尼奥阿巴德国立大学行政科学学院的 Yasser Abarca，在《Heliyon》期刊上发表了题为Integration of the SECI model and ChatGPT in higher education的论文。他们深入研究了如何将 ChatGPT 融入 SECI 模型，特别是在高等教育中教授金融能力方面的应用，试图找出通过使用 ChatGPT 促进 SECI 模型优化发展的因素，并了解它们之间的相互作用。
在这项研究中，研究人员采用了 “后测” 实验设计。他们精心挑选了 200 名来自秘鲁不同地区的管理学本科生，这些学生都对 ChatGPT 有一定的了解，有使用它的兴趣，并且正在学习金融课程。学生们被平均分成两组，一组是接受使用 ChatGPT 这一 “刺激” 的实验组，另一组是不接受该 “刺激” 的对照组。
研究人员利用 McDonald’s Omega 技术对测量工具进行了可靠性分析，确保实验数据的准确性。在数据分析时，他们运用了描述性统计和多项逻辑回归分析两种方法。描述性统计用于描述和比较两组之间的差异，多项逻辑回归分析则用来探究 SECI 模型各阶段对学习的影响。
下面我们来看看具体的研究结果：
社会化阶段
研究人员通过组织学生进行关于金融摊销的小组讨论来评估社会化阶段。在这个过程中，对照组的学生大多处于低到中等的互动水平，“低” 水平的占 38%，“中等” 水平的占 40%，只有 22% 能达到 “良好” 或 “优秀” 水平。而使用了 ChatGPT 的实验组情况则大不相同，学生的互动水平分布更偏向高水平，“中等” 水平的占 52%，“良好” 的占 33%，“优秀” 的占 3%。这表明 ChatGPT 的加入显著提升了学生互动的质量和水平2。
外化阶段
外化阶段，学生们参与了头脑风暴会议，并围绕金融摊销创建思维导图。对照组中，24% 的学生外化水平较低，47% 达到 “良好” 水平，只有 15% 达到 “优秀” 水平。实验组借助 ChatGPT 的帮助，没有学生处于 “低” 或 “中等” 水平，大部分学生都达到了较高水平，“良好” 的占 36%，“优秀” 的高达 64%。这说明 ChatGPT 能够有效助力学生在协作活动中更好地表达和整理隐性知识，提升外化的质量3。
组合阶段
在组合阶段，学生需要创建一份关于金融摊销的详细手册。对照组中，47% 的学生达到 “中等” 水平，52% 达到 “良好” 水平。使用 ChatGPT 的实验组结果与之相似，“中等” 水平的占 40%，“良好” 水平的占 47%。这表明在这个阶段，ChatGPT 并没有对知识整合的质量产生显著影响，两组学生在整合显性知识以创建全面有序的知识体系方面表现相近4。
内化阶段
内化阶段，研究人员通过一场包含八个关于摊销问题（理论和计算）的书面测试来评估学生。对照组中，57% 的学生达到 “中等” 水平，43% 处于 “低” 水平。实验组的情况也差不多，“低” 水平的占 57% ，“中等” 水平的占 35%，没有学生达到 “良好” 或 “优秀” 水平。这说明两组学生在知识内化方面没有明显差异，不过对照组在知识内化质量上略胜一筹5。
多项逻辑回归分析
研究人员还使用多项逻辑回归分析来研究 ChatGPT 对 SECI 模型各阶段的影响。结果发现，不使用 ChatGPT 时，SECI 模型能解释内化阶段 63.4% 的变化；使用 ChatGPT 后，这一比例降至 41.3%。这意味着整体模型的可预测性因 ChatGPT 的加入而降低，说明它在内化过程中对增加隐性知识的贡献有限。不过，在外部化和组合阶段，ChatGPT 与客观测试成绩之间存在正相关关系，即随着这两个阶段中 ChatGPT 使用的增加，学生在客观测试中取得更好成绩的可能性也会增加67。
综合这些研究结果，我们可以得出结论：虽然 ChatGPT 在一定程度上改善了实验组学生的互动质量和知识外化能力，但在知识组合和内化方面，它并没有展现出明显的优势。多项回归分析也表明，将 ChatGPT 纳入 SECI 模型并没有提高模型的可预测性。这说明 ChatGPT 在促进隐性知识管理和协作活动中的表达方面有一定作用，但在数学理解和培养批判性思维方面存在局限性。在使用这类人工智能技术时，我们必须谨慎考虑，因为获取精确信息和进行专业数值运算存在困难，而且还需要人为监督来确保内容质量。
这项研究意义重大，它让我们更加清楚地认识到在教育环境中使用 ChatGPT 等技术时存在的局限性和挑战。为未来的研究指明了方向，那就是要进一步探索如何在不同的教育背景和学科中更有效地整合这些技术，同时深入了解它们的潜力和不足，从而更好地利用人工智能为教育服务，提升教育质量。
