编辑推荐：
为探究生成式人工智能（AI）在宗教教育中的影响，研究人员开展了关于生成式 AI 对宗教认知塑造作用的研究。结果发现其存在认知偏差，会影响用户宗教认知。该研究为 AI 在宗教教育中的应用提供理论框架，意义重大。
在当今数字化时代，科技的浪潮正以前所未有的速度席卷各个领域，宗教教育也未能例外。随着生成式人工智能（Generative AI）技术的蓬勃发展，它逐渐渗透到宗教教育之中，为其带来了新的机遇，但同时也引发了一系列问题。一方面，生成式 AI 能够利用深度学习和自然语言处理技术，分析海量数据，生成多样化的内容，如文本、图像和音频等。这使得它在宗教教育中具有巨大潜力，比如可以根据不同学习者的需求，量身定制个性化的宗教学习材料，帮助学习者更深入地理解宗教教义和价值观，还能打破地理和文化界限，促进不同宗教间的交流与理解。
然而，问题也接踵而至。生成式 AI 高度依赖训练数据，而这些数据往往包含各种偏差，这就导致了认知偏差的产生。认知偏差指的是个体在判断时偏离客观事实，出现不合理或有偏差的认知结果，算法偏差就是其中一个重要因素。在宗教教育场景中，这些偏差可能会使 AI 生成的宗教内容出现对某些宗教的片面解读，强化刻板印象，进而阻碍不同宗教信仰者之间的相互理解，甚至可能引发宗教间的误解和冲突。例如，确认偏差可能会让 AI 生成的内容不断强化用户原有的宗教观念，而忽略其他观点，形成 “信息茧房”，限制了学习者对宗教知识的全面认知。正是在这样的背景下，为了深入了解生成式 AI 在宗教教育中的真实影响，来自中国传媒大学政府与公共事务学院和北京第二外国语学院国际关系学院的研究人员开展了此项研究。
研究人员采用了实验设计的方法，通过问卷调查来评估受访者的宗教认知。他们从 12 个地理区域，运用分层随机抽样的方式招募了 1005 名参与者，并将其分为干预组（502 人）和对照组（503 人） 。在实验过程中，先进行基线测量，让所有受访者填写问卷，评估他们对各种宗教的初始态度和认知。接着进入干预阶段，干预组的参与者阅读由生成式 AI 生成的包含对某些宗教正、负、中性观点的宗教描述，对照组则阅读传统宗教描述。之后，两组再次填写相同问卷，以此来对比分析生成式 AI 对用户宗教认知的影响。
研究结果表明，生成式 AI 确实会影响用户的宗教认知。在对不同宗教的评价上，AI 干预组和非干预组存在显著差异。例如，基督教在 AI 干预组的评价得分比非干预组提高了 0.31 分（t=?7.197，p<0.001），而伊斯兰教的评价得分则下降了 0.23 分（t=7.718，p<0.001） 。这说明 AI 生成的内容对不同宗教的呈现存在偏差，进而影响了用户的认知。进一步的分析发现，这种影响是通过增强用户的情感反应和感知可信度来间接实现的。生成式 AI 的算法设计和数据输入对其生成内容的偏差和准确性起着关键作用。如果训练数据存在偏差，算法就可能会将这些偏差放大，从而影响用户对宗教的认知。而且，用户与 AI 之间的反馈机制虽然能够优化内容生成，但也可能进一步强化用户的现有偏见，形成一个自我强化的循环，使得宗教偏见更加根深蒂固。
在讨论部分，研究指出，生成式 AI 对用户宗教认知的影响不仅体现在个体层面，还可能通过社交互动在更广泛的社会群体中传播，进而对社会和文化产生深远影响。从宗教教育的角度来看，虽然生成式 AI 有潜力创建个性化和包容性的教育材料，但前提是要解决其存在的偏差问题。教育工作者和开发者需要共同努力，识别并减轻算法设计和训练数据中的偏差，确保 AI 生成的内容能够促进宗教间的包容和批判性思维，而不是加剧偏见。同时，还需要加强对算法过程的伦理监督和透明度，让 AI 开发者公开内容生成的原则，以便进行外部审查和问责。
综上所述，这项研究揭示了生成式 AI 在宗教教育中的复杂影响，强调了在其应用过程中控制偏差的重要性。这对于促进宗教教育与数字技术的和谐融合具有重要意义，为后续研究如何优化 AI 在宗教教育中的应用提供了方向，有助于推动不同宗教间的理解与包容，构建更加和谐的社会环境。该研究成果发表在《Scientific Reports》上。
研究人员开展研究时用到的主要关键技术方法包括：采用分层随机抽样获取样本，涵盖 12 个地理区域的 1005 名参与者；利用基于先进自然语言处理技术（如 GPT-4）的模型生成宗教内容；通过问卷调查收集数据，问卷涉及宗教认知的多个维度，并采用 5 点李克特量表（Likert scale）量化受访者态度；运用描述性统计分析、相关性分析、独立样本 t 检验和结构方程建模（SEM）等方法对数据进行深入分析。
