《Thinking Skills and Creativity》：Brains on copy-paste mode? A mixed-methods study on the relationship between generative artificial intelligence use and students’ critical thinking skills
编辑推荐：
生成式人工智能（generative artificial intelligence, GenAI）工具（如ChatGPT）快速融入高等教育，引发了关于其与学生批判性思维（critical thinking, CT）技能关系的重要问题。本研究采用混合方法设计（
生成式人工智能（generative artificial intelligence, GenAI）工具（如ChatGPT）快速融入高等教育，引发了关于其与学生批判性思维（critical thinking, CT）技能关系的重要问题。本研究采用混合方法设计（mixed-methods design），在398名本科生中探讨这些关联。定量方面，参与者完成了经验证的CT测量工具，以及评估学术情境中AI使用频率的调查。相关分析（correlation analyses）显示，AI使用与分析/组织（Analyzing/Organizing）技能之间存在显著负相关。调节分析（moderation analyses）表明，学业成就（academic achievement）调节了AI使用与分析/组织及评价（Evaluating）之间的关系，高成就者表现出更强的负相关。性别和年龄对其余CT维度均无显著影响。同样，对200份开放式回答的定性分析识别出三类用户画像（user profiles）：（1）工具性/非批判性（instrumental/uncritical），主要由较年轻、低成就男性学生构成，强调AI的速度与效用，同时报告验证努力减少；（2）稳定/互补性（stable/complementary），由较年长、高成就学生构成，认为其评价实践变化不大；（3）矛盾/怀疑—信任（ambivalent/skeptical-trusting），由中等成就的女性构成，在怀疑增加与更依赖AI输出之间分化。将分析/组织与评价得分与这些画像相联系的补充分析（supplementary analyses）显示，两项技能发展较低均与工具性/非批判性画像一致。两种分析路径之间的解释一致性（interpretive consistency）表明，GenAI使用与CT技能之间的关系是细微且依赖画像的，其范围限于特定维度和学生群体，而非反映广泛的负面影响，同时凸显非批判性依赖的风险，以及AI在反思性使用时作为补充性学术工具的潜力。
论文解读：生成式人工智能使用与大学生批判性思维技能的混合方法研究
研究背景与问题：生成式人工智能（generative artificial intelligence, GenAI；可生成文本等内容的AI工具）快速进入高等教育，其与学生批判性思维（critical thinking, CT；指有目的的自我调节判断，涉及解释、分析、评价、推断、说明与自我调节）技能的关系受到关注。既有理论讨论认为，AI在伦理和负责任使用前提下可补充学习与研究，但若缺乏教学框架，可能产生依赖风险；CT被视为防止非批判性依赖和保障自主推理的重要能力。实证研究结果并不一致：部分研究表明AI可支持评价、推断和反思判断，另一些研究提示习惯性依赖可能削弱自主性与部分思维技能。现有证据仍有限，尤其超出语言学习、计算机科学和工程等领域；同时，学生对AI生成信息可信度的评价证据不足。基于此，本研究设定了四项目的：考察GenAI使用频率与不同CT技能的关系；分析学业成就、年龄和性别是否调节该关系；探究学生对GenAI如何影响其信息可信度评价的看法；基于学生评价可信度的方式识别学生画像。技术接受与使用统一理论（Unified Theory of Acceptance and Use of Technology, UTAUT；解释技术接受与使用的模型）被用于说明学生采用GenAI的相关因素。作者开展横断面混合方法研究，最终结论强调GenAI使用与CT技能的关系是细微且依赖画像的，而非广泛的负面影响，并提示非批判性依赖风险与反思性使用AI作为补充工具的潜力。
关键技术方法（不超过250字）：研究采用横断面混合方法。样本队列来源于西班牙巴斯克大学（University of the Basque Country）教育相关本科专业，初始404名本科生，排除6名年龄离群值后，最终分析样本N=398。定量部分使用感知批判性思维技能量表（Perceptual Critical Thinking Skills Scale；自评CT量表）简版18项，覆盖分析/组织、推理/论证、质疑/自问、评价、定位/决策、行动/承诺六个维度；以单题5点量表测量GenAI学术使用频率；收集学业成就、性别和年龄；开展相关分析与调节分析，调节分析使用PROCESS宏。定性部分分析200份开放式回答，由两名研究人员独立归纳编码并达成共识，编码者间一致性Cohen’s kappa=0.82；采用多重对应分析（multiple correspondence analysis, MCA；探索分类变量关系的降维技术）识别画像，并进行补充MCA，将分析/组织和评价按中位数二分纳入。
结果部分（按原文分析顺序概括）：
测量质量与共同方法偏差：通过偏度、峰度、z分数筛查、结构效度指标和Harman单因子检验，量表拟合可接受，共同方法偏差不太可能构成主要问题。
描述统计与相关分析：通过相关分析发现，GenAI使用频率与分析/组织显著负相关（r=?.115，p=.022），与评价、推理/论证、质疑/自问、定位/决策、行动/承诺均无显著关联。年龄与GenAI使用显著负相关，并与多个CT维度正相关；学业成就与GenAI使用负相关，并与分析/组织、推理/论证、质疑/自问和评价正相关；性别多数CT维度不显著，仅定位/决策达到显著。
调节分析：通过调节分析发现，学业成就调节GenAI使用与分析/组织、评价的关系。高成就学生中，GenAI使用与较低分析/组织（β=?.106，p<.001）和较低评价（β=?.098，p=.006）相关；低成就和中等成就学生中不显著。性别和年龄未显著调节GenAI使用与任何CT维度的关系。
开放题定性分类：通过归纳编码200份回答，最常见为“更多外部验证”（29.70%），其次为“更少验证/自信”（15.35%）、“无变化”（12.87%），另有“更高质量/细节”“更多速度/效用”“更多怀疑/疑问”“更少注意/细节”“让AI验证”等类别。结论显示学生对GenAI影响信息评价的感知分化。
多重对应分析与学生画像：通过MCA识别三类画像：（1）工具性/非批判性，主要为较年轻、中低成就男性，强调AI细节、速度与效用，伴随注意细节减少和独立检索投入有限；（2）稳定/互补性，主要为较年长、高成就学生，报告评价实践变化有限；（3）矛盾/怀疑—信任，主要为中等成就女性，在同一空间内同时出现怀疑增加、验证增强与更依赖AI输出的倾向。
补充MCA：通过将分析/组织和评价中位数二分后纳入MCA，低分析/组织与低评价均靠近低学业成就、年轻、速度/效用和“让AI验证”等类别，与工具性/非批判性画像一致；高分析/组织靠近“无变化”和高学业成就，并与稳定/互补性画像区域重叠；高评价靠近较年长、女性、中等成就及验证相关类别，位于矛盾/怀疑—信任画像的异质空间。结论表明两项技能发展较低与工具性/非批判性画像一致。
4.1 理论与实际意义：讨论认为，GenAI与CT技能的关系并非均一，学业成就是重要边界条件；定量分析识别关系出现的学业条件，定性画像揭示学生如何体验和描述其AI使用，两种路径互补而非相互确认。理论上，结果支持CT的多维模型，并提示UTAUT模型可考虑认知投入深度；AI素养应包含评价与伦理维度，信任校准对防止过度依赖重要。实践上，学生需发展反思策略和验证习惯；教师可设计要求先独立记录推理、再对照AI输出的任务，以及比较AI输出与同行评议来源的活动；机构与政策制定者需明确可接受与不可接受的AI使用，并将AI素养纳入课程与政策框架。
4.2 局限与展望：局限包括自报测量可能受主观性和社会赞许偏差影响；横断面设计不能建立因果或方向性；定性编码仍含解释判断；样本来自特定学术情境，推广性有限；定性子样本在性别和年龄上与全样本存在显著差异，虽效应量较小，解释MCA画像需谨慎。未来需纵向设计、实验或准实验干预、更广机构与文化样本，并考察学生画像随AI素养发展的变化及学科差异。
研究结论（译自原文）：两种分析路径之间的解释一致性表明，GenAI使用与CT技能之间的关系是细微且依赖画像的，其范围限于特定维度和学生群体，而非反映广泛的负面影响；同时凸显非批判性依赖的风险，以及AI在反思性使用时作为补充性学术工具的潜力。
