社会技术想象与教育中人工智能的接受度：一项社交媒体纵向分析

《Computers in Human Behavior》：Sociotechnical Imaginaries and Acceptance of Artificial Intelligence in Education: A Longitudinal Social Media Analysis

　　

•公众对生成式AI（GenAI）在教育领域的情绪在2022年至2025年间发生了显著变化。•公众的接受态度是有条件的、务实的，但并非极度两极分化。•社会技术想象（sociotechnical imaginaries）聚焦于保护批判性思维和人类判断力。•对AI素养和伦理使用的呼声随时间推移不断壮大。•教师逐渐显现为在热情洋溢的学习者与焦虑不安的家长之间扮演调解者的角色。

**引言**

人工智能（AI）正日益影响着个体在社交领域的沟通、信息获取、知识生产和决策方式。自大型语言模型（LLMs）公开发布以来，AI从一个主要为专业人士关注的议题转变为一个可见且备受争议的社会议题，引发了关于其对工作、治理、伦理、创造力和人类判断力的广泛讨论（Rauchfleisch et al., 2025; Winkel, 2025）。正如以往历次技术变革浪潮一样，AI及生成式AI（GenAI）的社会意义不仅在于其技术能力，还在于其含义、承诺与风险如何被公众解读、想象和协商。

教育是这些协商活动最为重要的领域之一。AI迅速进入教育场所，加剧了关于谁将从AI整合中受益（Bulathwela et al., 2021）、在AI系统设计过程中哪些知识形式被（低）估（Alfredo et al., 2024）、以及教育利益相关者之间的责任应如何分配（Hadi Mogavi et al., 2024）等更广泛的问题。针对这些批判性问题，研究将AI——尤其是教育中的GenAI——视为对社会既具变革性又具颠覆性的力量（如Crompton & Burke, 2024; Lim et al., 2023）。支持者强调其个性化学习、扩大包容性、根据学习者需求调整教学的潜力（Luo et al., 2026），从而提升参与度和学习效果（Cukurova et al., 2019; Hao et al., 2026）；批评者则强调其不受监管整合所带来的风险，对大型语言模型输出的可靠性和不透明性表示担忧（Alfredo et al., 2024），或对训练数据中嵌入的算法偏见和语言不平等提出质疑（Dovchin, 2024; Kang & Hirschi, 2025）。例如，Wulff和Kubsch（2025）指出了"未见数据"（即已用于训练AI模型的数据）中存在的普遍问题，并指出"GenAI的'专业知识'仍然脆弱，尤其是在需要深入理解和推理的意外或未见过的任务中"（第3页）。这些相互竞争的观点表明，教育AI的合法性仍处于积极的争议之中。

除了专家知识或机构政策之外，教育AI的积极协商也受到公众话语的推动。可以说，公众话语在塑造技术如何被解读、内化或质疑方面发挥着核心作用（Venkatesh et al., 2003）。近期研究表明，ChatGPT发布后的公众AI叙事迅速发生变化，从关于创新和经济增长机会的抽象讨论转向对日常实践、身份认同、社会关系和机构问责等更为迫切的关注（Qi et al., 2024; Rauchfleisch et al., 2025; Zeng et al., 2022）。

然而，尽管这些辩论日益突出，但围绕教育中AI的公众话语的系统性研究仍然有限。近期研究通过考察社交媒体平台上的话语——如YouTube（So et al., 2024）和Reddit（Oh et al., 2024）——试图弥补这一空白，两者都承认这些平台具备收集公众特定视角的潜力。他们的研究结果表明，公众回应是混杂的、演变的，且受到以机会为导向和以风险为导向两种解读的共同塑造。然而，目前存在两个尚未充分解决的重大空白。第一，研究捕捉的是公众感知在某一特定时刻的快照，而非追踪其随时间的演变过程。此外，尽管社会技术想象方面的学术研究强调了集体持有的理想未来愿景的重要性（Jasanoff & Kim, 2015; Rahm, 2023），但公众对教育AI的讨论在话题热度极高的情况下仍缺乏充分探索。对这些讨论的考察需要超越仅仅判断公众意见是正面还是负面；它应当探索这些意见如何与关于AI中介教育未来中教学、学习和合法性的更广泛愿景相关联。

为填补这些空白，本研究通过分析2022年12月至2025年11月期间对AI相关TED演讲发布的YouTube评论，来考察关于教育中AI的公众话语。分析窗口始于2022年12月1日——即ChatGPT公开发布后的第二天，这一天标志着公众对生成式AI认知的一个分水岭。分析窗口截至2025年11月30日，涵盖约三年的完整话语周期，使得考察公众评价如何从最初接触发展到逐渐熟悉，再到更加批判性视角的涌现成为可能。TED演讲是一个特别有益的分析场所，因为它将专家叙述与大众解读相连接，传播关于技术变革的影响力叙事，并允许在评论区进行大规模公众回应。就此而言，TED演讲下的YouTube讨论为考察公众对教育AI的态度如何随时间发展，以及这种态度如何嵌入更广泛的社会技术想象中，提供了一个合适的切入点。在本手稿中，我们使用"公众话语"来指代在TED YouTube频道的评论者中观察到的意义建构模式，这是公众话语的一个子集——个体在一个流行视频平台上选择参与专家策划的内容。虽然这个样本不代表一般人口，但TED的广泛覆盖面和纵向数据集的性质使其成为观察数字活跃受众如何公开解读有影响力的技术叙事的一个有价值的窗口。

我们借鉴了技术接受与使用整合理论（UTAUT/UTAUT2）（Venkatesh et al., 2003, 2012）来考察在所分析的TED/YouTube话语中接受与抵制是如何被协商的，并借鉴社会技术想象（Jasanoff & Kim, 2015）来考察这些评价如何与关于教育未来的更广泛愿景相关联。借助这些互补的分析视角，本研究采用混合方法设计，首先利用多语言情感分析，然后转入对数字论坛中自然发生的草根话语进行定性主题分析。情感分析仅作为识别广泛时间模式的启发式工具，而对其意义的解读则依赖于人工主导的主题分析，注重语境、模糊性，以及自动化分类的社会技术局限性。据我们所知，这是首批在ChatGPT公开发布后约三年时间里对教育AI公众话语进行纵向追踪的研究之一。基于此，本文对科技与社会和社会媒体传播学术领域关于新兴技术如何在公众层面被解读和协商的更广泛辩论有所贡献。更具体地说，它针对以下研究问题展开：
•2022年至2025年间，公众对教育AI的情绪是如何变化的？
•在此期间，评论者如何在话语中建构技术接受（或抵制）？
•评论者对接受与抵制的建构如何与教育AI更广泛的社会技术想象相关联？

为回答这些问题，我们采用了一种结合计算情感分析和公众话语定性主题分析的顺序混合方法设计。RQ1（情绪变化）通过对2022年12月至2025年11月间发布的3,565条YouTube评论进行多语言情感分析来回答。RQ2（接受与抵制的建构）和RQ3（其与社会技术想象的关联）通过主题分析来回答，以UTAUT2作为识别与接受相关评价的启发式工具，以社会技术想象作为理解嵌入这些评价中的教育未来愿景的解释视角。

**片段概述**

**教育中AI整合的机会与挑战**

AI的快速发展为教育带来了变革性时代，AI正日益被框定为具有高潜力的支持工具，而非边缘创新（Giannakos et al., 2025; Pham, 2025）。凭借可扩展性、适应性和处理海量学习者数据的能力，AI驱动系统通常被概念化为能够实现个性化学习体验，并为学生自主学习提供可扩展支持。因此，GenAI被描述为……

**社会技术想象**

社会想象指的是人们通过集体共享的理解来解读社会生活和秩序，并构思理想未来的概念（Taylor, 2004）。基于这一概念，Jasanoff和Kim（2009）提出了社会技术想象，用以解释非科学行动者和机构如何想象、合法化和组织技术未来。作为"使集体解读社会现实成为可能的意义系统"（第122页），社会技术想象是……

**研究背景**

为考察围绕教育AI的公众话语，本研究分析了一个特定的数字话语空间：TED的官方YouTube频道。TED（Technology, Entertainment, and Design）创立于1984年，为科学家、企业家和其他公共知识分子提供了一个通过短的、叙事驱动的演讲——即TED演讲——来呈现思想的平台。这些演讲围绕"理念改变一切"的口号组织（前身为"值得传播的理念"），广泛……

**情感分析结果**

在整个数据集中，中性情绪是最普遍的类别，平均占29.17%，在十二个分析时期中有八个排名最高。积极情绪（26.05%）和消极情绪（25.63%）的出现水平相当，随时间呈现出互补的波动。在更为极端的类别中，非常积极的情绪平均占12.63%，非常消极的情绪平均占6.51%，表明公众对教育AI的回应总体上是温和的，而非……

**讨论与结论**

本研究通过分析三年间对TED演讲发表的YouTube评论，考察了围绕教育AI的公众话语。将情感分析与主题分析相结合，使我们得以纵向追踪AI评价取向的变化以及构建和协商这些评价的社会技术想象。情感分析的计算广度与主题分析的解释深度因此……

**作者贡献声明**

Ali Fuad Selvi：撰写——审阅与编辑，撰写——初稿，验证，监督，方法论，正式分析，概念化。Zihan Xia：撰写——审阅与编辑，撰写——初稿，可视化，验证，软件，资源，正式分析，概念化。Ozgehan Ustuk：撰写——审阅与编辑，撰写——初稿，可视化，验证，监督，软件，资源，项目管理，方法论，调查，资金获取。

**利益冲突**

作者声明不存在可能影响本文报告工作的已知竞争性财务利益或个人关系。

**伦理审批与参与同意**

本研究已获得香港理工大学机构审查委员会批准（批准编号：HSEARS20260223009）。本研究不涉及参与者同意的必要性。本研究不涉及人类参与者，因此同意条款不适用。

**发表同意**

所有作者均同意本文内容，并明确同意发表其合作研究成果。

**支持数据和材料的可用性**

本研究中分析的数据和分析所用材料可从通讯作者处合理申请获取。

**资金支持**

本工作由香港理工大学和大学教育资助委员会在战略招聘计划下的RAP启动基金支持（项目编号：P0057908）。

**利益冲突声明**

? 作者声明不存在可能影响本文报告工作的已知竞争性财务利益或个人关系。

?zgehan U?tuk | Ali Fuad Selvi | Zihan Xia