多利益相关者视角下教育领域负责任人工智能的接受度研究：数据隐私、透明性与伦理部署的平衡

本研究针对教育领域人工智能(AI)应用的接受度问题，通过情景实验法(vignette methodology)调查了1198名师生及家长对AI教育应用的接受度差异。研究发现AI的自主性(agency)显著降低使用意愿，而全局效用(GU)和信任(confidence)是关键中介变量，揭示了教育AI需在技术能力与人类监督间取得平衡。该研究为教育AI的伦理框架设计提供了实证依据，对实现AIED(Artificial Intelligence in Education)的负责任部署具有重要指导意义。

　　

在ChatGPT等生成式预训练转换器(GPT)席卷全球的背景下，教育领域正面临人工智能(AI)带来的颠覆性变革。传统教学体系受到挑战的同时，AI教育应用(AIED)也引发诸多争议：学生用AI工具完成作业是否构成作弊？AI评分系统能否保证公平？当AI开始介入情感支持等敏感领域，数据隐私如何保障？这些争议背后，是教育工作者、学生和家长对AI技术缺乏系统性认知而产生的信任危机。

加拿大蒙特利高等商学院(HEC Montréal)的Alexander John Karran团队意识到，现有研究多聚焦AI作弊问题，却忽视了教育生态系统内不同利益相关者的差异化需求。为此，他们设计了一项开创性研究，通过四个典型教育场景（AI评分Correct-AI、答疑助手Answer-AI、个性化辅导Tutor-AI和情感支持Emotion-AI），系统考察了机构透明度(transparency)、算法解释性(explainability)、数据隐私(privacy)和系统自主性(agency)如何影响1198名师生及家长的接受度。这项发表在《npj Science of Learning》的研究，首次从多利益相关者视角揭示了教育AI接受的复杂机制。

研究团队采用情景实验法(vignette methodology)构建四组对照场景，通过在线平台收集数据。每个场景独立操纵四个关键变量（如Correct-AI场景中设置"教师是否验证AI评分"来调控agency水平），采用经过验证的量表测量全局效用(GU)、个体有用性(IU)、公正性(justice)、信任(confidence)、风险感知(risk)和使用意愿(ITU)等指标。通过PROCESS宏程序进行中介效应分析，揭示了不同群体接受AI教育的心理路径。

【学生群体：效用与公平的权衡】
在Correct-AI场景中，高度自主的AI评分系统（high agency）使学生感知的全局效用下降0.4261分（p=0.0011），公正性评分降低0.3768分（p=0.0261）。中介分析显示，agency通过GU（效应值-0.1449）和justice（效应值-0.0576）间接抑制使用意愿。而在Answer-AI场景，隐私保护显著提升GU评分0.2987分（p=0.0439），进而正向影响使用意愿（间接效应0.0944）。这表明学生更关注AI系统的结果公平性，对隐私的重视则体现在非学术支持场景。

【家长群体：信任危机】
父母仅在Correct-AI场景表现出显著态度差异。当AI拥有独立评分权（high agency）时，家长信任度骤降0.4668分（p=0.0236），导致使用意愿降低（间接效应-0.2428）。这种选择性担忧反映家长最关注可能直接影响子女学业评价的AI应用，对AI替代教师核心职能持谨慎态度。

【教师群体：解释性的价值】
教师对Answer-AI的分析最具启发性：算法解释性(explainability)提升0.8700分（p=0.0008）显著改善GU感知，间接提升使用意愿（效应值0.5194）；而高自主性(agency)则产生负面影响（效应值-0.3337）。在Emotion-AI场景，过度隐私保护反而降低信任0.6581分（p=0.0012），显示教师认为情感支持需要适度透明。这种矛盾心态揭示教育工作者既希望理解AI决策逻辑，又要求其符合专业伦理。

研究结论指出，教育AI的接受度呈现"场景特异性"和"群体异质性"双重特征。全局效用(GU)是跨场景的关键中介变量，而信任构建需要差异化的策略：对学生应确保结果公平，对家长需控制AI自主程度，对教师则要强化算法解释性。值得注意的是，与可解释AI(XAI)领域预期相反，透明性和解释性并非直接影响接受度，而是通过提升信任和效用感知产生间接作用。

这项研究为教育AI的伦理部署提供了重要路线图。首先，AI系统设计应采用"渐进式自主"策略，在评分等高风险场景保留人工复核机制。其次，需要开发"场景适配"的解释工具，如用自然语言说明评分依据，而非简单展示算法参数。最后，应建立多方参与的治理框架，平衡隐私保护与教学透明度。随着生成式AI加速渗透教育领域，这些发现对制定负责任AI政策具有紧迫的实践价值。正如作者强调的，教育AI的发展不应是技术主导的单向过程，而需要构建包含"人类价值观校准"的新型文化想象。