低信心驱动AI依赖，还是依赖侵蚀信心？——中国语言文学专业本科生四波随机截距交叉滞后面板研究

《PLOS One》：Does low confidence drive reliance on AI, or does reliance erode confidence? A four-wave RI-CLPM study of chinese language and literature undergraduates

　　

生成式人工智能工具现已被中国语言文学专业本科生常规用于曾被视为个人文学技艺范畴的任务：起草诗歌、塑造叙事散文、修改小说。关于这对学生自身创意写作信心意味着什么，存在两种竞争性解释。认知卸载解释认为，反复依赖AI会替代写作自我效能赖以建立的掌握体验，因此依赖会随时间侵蚀信心。补偿性使用解释则持相反观点：原本信心较低的学生会转向AI，以回避无辅助构思带来的不适，因此低信心驱动依赖。横断面设计和标准交叉滞后设计无法区分这两种解释，因为二者混淆了稳定的个体间差异与真实的个体内变化。研究人员采用随机截距交叉滞后面板模型（RI-CLPM），在一个学年内开展四波研究，对象为中国语言文学专业本科生（N = 390招募；N = 387在全信息最大似然（FIML）下分析，其中298名提供完整四波数据）。每波均评估生成式人工智能写作依赖（GAWR）与文学创作写作自我效能（LCWSE）。两个构念的特质水平关联为负，且不能与零区分（r = ?.342，Δχ²(1) = 2.26，p = .133）。在个体内水平，自我效能下降预测随后依赖增加（β = ?.276，p < .001）。反向路径即依赖对随后自我效能的影响较小，且未达到常规阈值（β = ?.085，p = .072）。研究人员明确说明，第二项结果不能解释为反对侵蚀的证据：蒙特卡洛功效分析将该设计检测该幅度效应的功效定为53.2%，接近抛硬币，因此侵蚀通路在这些数据中未确定，该零结果不构成得出侵蚀不运作的基础。两个交叉滞后路径的直接比较支持补偿（Δχ²(1) = 8.83，p = .003；5,000次重抽样bootstrap差异95% CI [.020, .218]），但限定该比较将一个功效充分的估计与一个功效不足的估计相对照，因此描述的是该设计能够检测的内容。补偿是本研究所确立的通路；依赖是否在更长时期也侵蚀信心仍是开放问题。研究人员讨论了对中国语言文学项目写作教学，以及AI教育面板研究中功效不足零结果应如何解释的启示。

研究背景与问题：生成式人工智能已进入文学创作的核心环节，中国语言文学专业承担培养写作者、编辑和文学教师的任务，却缺乏纵向证据说明AI使用与学生自身创作信心之间的因果方向。既有研究多为横断面或单次测量，标准交叉滞后面板模型又会把稳定的个体间差异与个体内变化混同；因此，需要能分离特质水平关联与个体内方向性过程的设计，以判断是依赖侵蚀信心，还是低信心驱动依赖。

研究与结论及意义：研究人员在中国东部三所不同选拔性大学的中国语言文学专业本科二至四年级学生中开展一学年四波纵向调查，使用RI-CLPM（随机截距交叉滞后面板模型）同时检验认知卸载的侵蚀通路与补偿性使用通路。结果显示，个体内低LCWSE（文学创作写作自我效能）预测随后GAWR（生成式人工智能写作依赖）增加，支持补偿通路；反向侵蚀通路较小且未达常规显著，但功效分析显示该设计检测该幅度效应的功效仅53.2%，故侵蚀通路未确定。研究意义在于把“AI是否削弱信心”与“低信心是否促发AI依赖”区分开，并提示短面板零结果不能当作机制不存在的证据。

关键技术方法（≤250字）：研究采用四波纵向面板调查，样本为中国东部三所不同选拔性大学中国语言文学专业本科二至四年级学生，经创意写作或文学创作课程教师招募；W1为2025年2月春季学期第二周，W2为2025年4月期中，W3为2025年9月秋季学期开始，W4为2025年11月期中；N=390招募，基线387，完整四波298。匿名在线问卷以自生成匿名标识跨波链接；用验证性因子分析和测量不变性检验评估GAWR与LCWSE；以FIML（全信息最大似然）估计时间不变RI-CLPM；比较约束与自由模型，采用5,000次非参数bootstrap比较路径，并进行事后蒙特卡洛功效分析及N=150至1,200敏感性曲线。

研究结果：
4.1 描述统计与初步检查：各波GAWR均值2.96—2.97、LCWSE均值3.21—3.23，无地板或天花板效应；同波相关为负（?.24至?.33）。W1测量模型拟合良好，标准化载荷均高于.80；四波度量不变性成立；单因子模型拟合明显更差，不支持 pervasive 共同方法因子；流失与基线构念、协变量及W1—W2变化均无关。
4.2 RI-CLPM结构模型：时间不变模型拟合良好，释放结构路径未改善拟合，释放暑期较长间隔路径也未改善。H1特质水平关联为负（r = ?.342），但Δχ²(1)=2.26，p=.133，未获支持。H2侵蚀路径为β=?.085，p=.072，未达常规显著；完整案例为β=?.100，p=.037，差异在显著性而非估计幅度。H3补偿路径为β=?.276，p<.001，获支持。H4路径比较显示补偿路径绝对值约为侵蚀路径三倍，Δχ²(1)=8.83，p=.003；bootstrap差异中位数.124，95% CI [.020,.218]，99.1%重抽样中补偿大于侵蚀，获支持。两构念自回归路径均正且显著。
4.3 事后功效分析：以估计参数为总体值模拟2,000次，N=387时H3功效100.0%，H4比较91.4%，H2为53.2%，H1为44.2%；N=298时分别为99.9%、83.0%、44.4%、39.3%。敏感性分析显示H2约需700人、H1约需1,000人达到80%功效。
4.4 假设检验汇总：H3与H4获支持；H1与H2未获支持。该设计对H3和H4比较功效充分，对H1和H2仅中等功效；因此两路径对比既反映估计幅度差异，也反映设计可检测性差异。H3为本文核心实证发现，H1与H2为数据尚不能回答的问题。

讨论总结：补偿通路在约九周至约21周间隔内可检测，释放暑期间隔未改变估计，提示信心下降与随后依赖增加可在教学中断后仍出现。实践上，限制AI访问隐含依赖侵蚀信心，而本设计未以常规显著支持该通路；更直接的可干预点是信心缺陷与掌握体验。依据Bandura与Pajares的自我效能观，应提供低风险、不计分的完整无辅助写作机会，并针对学生自己写出的部分给予具体反馈；Talebzadeh et al.与Ahangaran and Pouyan的工作提示教学交付形式和自动反馈方式本身也影响写作自我效能与生产性参与。局限包括：侵蚀通路功效仅53.2%；两构念均为自报；样本限于中国语言文学专业；未测AI工具类型与委托层级；GAWR与LCWSE为多来源改编的复合量表，尚未充分构念验证；部分证据来源为预印本；分析未预注册。未来需更长面板、更大样本、多站点复制，并检验补偿通路的调节变量及特质水平关联。

研究结论（翻译）：本研究在中国语言文学专业本科生一学年追踪中，检验生成式人工智能写作依赖是侵蚀文学创作写作自我效能，还是自我效能下降驱动依赖增加。四波随机截距交叉滞后面板设计以全信息最大似然对全部387名基线受访者估计，将两种方向性解释与稳定特质水平关联分离。补偿通路即信心下降预测随后依赖增加，显著，并在蒙特卡洛功效模拟的几乎每次复制中均被检测到。侵蚀通路即依赖增加预测随后信心下降，未达常规显著；同一模拟将该设计检测其估计幅度效应的功效定为53.2%。两条通路的正式比较在似然比检验和排除零的bootstrap区间上均支持补偿。研究人员希望准确说明该比较能说明与不能说明什么：它确立的是两条通路在本设计可分辨范围内的幅度差异；它不确立补偿支配侵蚀，且不显著的侵蚀路径不是侵蚀不存在的证据：在约一半检测概率下，该零结果对机制没有否定权重，依赖是否在更长时期侵蚀信心仍是这些数据未能回答的开放问题。对中国语言文学项目而言，有分量的发现指向具体选择：通过低风险、学期早期的无辅助写作练习建立学生信心与掌握体验，比单纯限制AI访问更直接地针对本研究确立的机制。更广泛地，短面板中不显著的交叉滞后路径不是机制不运作的证据，若如此解释，可能封闭更充分功效设计仍需提出的问题。估计层面亦需谨慎：最初保留全部基线案例时的不稳定是设定属性而非软件包属性，只有用第二个独立实现的估计器重拟合才能诊断；在零结果旁报告功效分析，并在解释脆弱解前用第二平台核查，是有助于该文献诚实积累的方法习惯。