《Computers》：Generative AI in Technology-Oriented Higher Education: A Systematized Review and Survey on Students’ Perceptions of Performance, Autonomy, and Ethical Implications
编辑推荐：
生成式人工智能（GenAI）正在迅速重塑高等教育，尤其是在技术导向型项目中，这些项目以批判性思维和复杂问题解决为核心成果。本研究通过结合一项系统化综述（该综述依据Kitchenham方法，并使用选定的PRISMA 2020要素进行结构化，覆盖2020–2025
生成式人工智能（GenAI）正在迅速重塑高等教育，尤其是在技术导向型项目中，这些项目以批判性思维和复杂问题解决为核心成果。本研究通过结合一项系统化综述（该综述依据Kitchenham方法，并使用选定的PRISMA 2020要素进行结构化，覆盖2020–2025年，最后检索于2025年5月，共纳入49项研究，数据库包括Scopus、ACM Digital Library、IEEE Xplore和SpringerLink，未进行前瞻性注册）与一项对厄瓜多尔某大学302名计算机与工程专业学生的匿名调查，对绩效/效率、使用情况、自主性、批判性思维参与及伦理方面的全球和地方证据进行了三角验证。经专家评审的工具在大多数基于量表的维度上显示出可接受的内部一致性（McDonald's ω），而制度与伦理相关项目主要在项目层面进行分析。结果显示，学术性GenAI使用近乎普遍（96%），其中47%的学生报告每周使用，26%每日使用。研究相关工作是最常见的应用（81.5%），其次是家庭作业（48.3%）、报告撰写（43.7%）和备考（41.7%）。尽管学生报告了感知到的效率提升，但对分析性参与减少和技术依赖的担忧依然存在（84.1%）。伦理关切集中于依赖性、真实性和数据隐私，而制度回应则指向对正式培训（96.7%）和更清晰指导的需求。基于这种三角验证，研究人员提出一个情境依赖的解释性框架，表明GenAI的教育价值取决于保护自主性、批判性思维、诚信和公平的教学与治理条件。
**论文解读：技术导向型高等教育中生成式人工智能（GenAI）的系统化综述与调查——基于学生绩效、自主性与伦理认知的视角**
**研究背景与问题**
生成式人工智能（Generative Artificial Intelligence, GenAI）的快速普及，尤其是ChatGPT等工具，正在深刻改变高等教育的学习实践。在技术导向型项目（如计算机科学与工程）中，学生不仅需要掌握技术能力，还需发展批判性思维、复杂问题解决和学习自主性等高阶能力。现有文献表明，GenAI在写作、编程支持等方面带来效率提升，但同时也引发认知依赖、浅层学习、作者身份与真实性等伦理困境。然而，相关研究多集中于欧洲、北美和亚洲，拉丁美洲（尤其是厄瓜多尔）的实证证据仍然匮乏。此外，针对技术导向型项目的综合研究较少，且缺乏对感知学术效率/绩效、使用模式、自主性、批判性思维参与及伦理考量的联合分析。本研究旨在填补这一空白，通过结合全球文献综述与地方调查数据，探讨GenAI在厄瓜多尔一所大学计算机与工程专业学生中的使用情况及其对学习的影响。
**研究内容与结论**
研究人员采用顺序混合方法设计，包括一项系统化综述（Kitchenham方法，PRISMA 2020要素，纳入49项研究）和一项针对厄瓜多尔某大学302名计算机与工程专业学生的横截面调查。综述部分识别了国际文献中的主要主题、张力与空白；调查部分通过问卷收集学生实践与感知数据。研究得出以下结论：GenAI使用近乎普遍（96%），每周使用占47%，每日使用占26%；主要应用于研究相关工作（81.5%）、家庭作业（48.3%）、报告撰写（43.7%）和备考（41.7%）。学生报告感知效率提升，但84.1%的学生担忧分析性参与减少和技术依赖。伦理关切集中于依赖性、真实性和数据隐私，96.7%的学生认为需要正式培训。基于三角验证，研究人员提出一个情境依赖的解释性框架，表明GenAI的教育价值取决于教学与治理条件，这些条件需保护自主性、批判性思维、诚信与公平。该论文发表在《Computers》。
**主要技术方法**
本研究采用系统化综述（Kitchenham方法，PRISMA 2020要素，数据库包括Scopus、ACM Digital Library、IEEE Xplore和SpringerLink，纳入49项研究，其中44项实证研究、5项系统化综述）与横截面调查（非概率便利样本，来自厄瓜多尔某大学的302名计算机科学、软件工程与信息技术专业学生）。问卷基于综述分析维度设计，涵盖感知学术效率/绩效、使用模式、自主性、批判性思维参与及伦理/制度方面，经三位专家内容效度评估和10人试点测试，使用McDonald's ω评估内部一致性（自主性ω=0.708，批判性思维参与ω=0.763，感知学术效率/绩效ω=0.643，伦理维度因低一致性ω=0.415仅在项目层面分析）。数据分析采用描述性统计、Pearson相关与Spearman相关（含95%置信区间与FDR校正），开放题使用定向内容分析。
**研究结果**
**3.1. 系统化综述证据综合**
**3.1.1. 证据质量与确定性全局综合**：MMAT评估显示多数实证研究达到中高质，但存在工具效度、样本代表性等局限；GRADE分析显示感知学术效率/绩效（RQ01）、使用频率（RQ02）和批判性思维参与（RQ04）有中等确定性，自主性（RQ03）和伦理（RQ05）为低确定性。
**3.1.2. 各研究问题发现**
- **RQ01（感知学术效率/绩效）**：GenAI在写作和入门编程课程中提升效率，但需教学规则指导；比较性证据表明无明确学习优势，但增强自主性；结构化使用优于被动替代。
- **RQ02（使用模式与频率）**：GenAI使用频繁且跨领域，尤其在编程和算法课程中感知有用性较高，但受先前知识和提示质量调节。
- **RQ03（自主性与复杂概念理解）**：高级课程中GenAI用于验证中间结果、支持自我解释，促进自主性；入门课程中缺乏教师指导时导致挫败和过度依赖。
- **RQ04（批判性思维参与）**：主动使用（如评估输出、比较替代方案）改善分析性推理；被动依赖则减少认知参与。
- **RQ05（伦理与制度关切）**：关注作者身份、真实性、公平性；检测方法存在局限性；未声明使用和工具访问不平等加剧差距。
**3.2. 调查结果**
**3.2.1. 维度内部一致性**：自主性（ω=0.708）和批判性思维参与（ω=0.763）可接受，感知学术效率/绩效边缘（ω=0.643），伦理维度低（ω=0.415），故基于项目层面分析。
**3.2.2. 维度间相关分析**：感知学术效率/绩效与自主性（r=0.18, p<0.01）、批判性思维参与（r=0.14, p<0.05）呈小正相关；自主性与批判性思维参与（r=0.18, p<0.01）正相关。使用频率与感知学术效率/绩效正相关，与批判性思维参与小负相关。
**3.2.3. 分类变量描述性分析**：96%使用GenAI，47%每周使用，26%每日使用；最常见应用为研究相关工作（81.5%）；伦理担忧包括技术依赖（84.1%）、批判性思维参与减少（64.2%）、内容真实性（55.6%）和数据隐私（35.1%）；96.7%认为需要正式培训。
**3.2.4. 学生感知定性分析**：开放题反映学生认为GenAI提升时间效率，但需验证输出；强调减少推理和浅层理解；担忧依赖、不可靠信息及培训需求。
**3.3. 综述与调查结果整合**：联合展示表（Table 6）显示全球与地方证据在效率收益、自主性及伦理关切上收敛，但地方证据强调制度指导缺失加剧认知深度风险。
**讨论与结论**
讨论部分指出，GenAI的效益依赖于教学调节和制度条件，而非工具本身。研究发现与全球文献在效率提升、自主性及伦理关切上一致，但厄瓜多尔情境中缺乏明确制度指导和正式培训，使效率-深度张力更为突出。螺旋式发现是感知效率与批判性思维参与之间的张力，而非负相关，表明教学设计决定效果。教学含义包括过程导向评估、批判性提示素养和元认知策略；教师培训需聚焦评估重新设计、自主性支架和政策素养；制度层面需明确可执行指南、解决数字公平、隐私与治理问题。理论贡献在于修正自我调节学习（SRL）和认知负荷理论（CLT），提出自主性作为条件性教育过程。局限性包括横截面、单机构、非概率样本，综述未覆盖教育专用数据库，伦理维度低一致性等。未来需纵向、准实验研究及跨学科比较。
**研究结论（翻译）**
通过三角验证系统化综述与厄瓜多尔技术导向型项目的调查证据，本研究表明，高等教育中的GenAI与广泛采用和感知学术效率/绩效提升相关，但也与学术加速与分析深度之间的持续教学张力相关。综合来看，这些模式并非矛盾；相反，它们指示了在所考察的背景下，GenAI支持学习而非仅仅加速任务完成的条件。本研究的主要贡献是提供情境依赖的证据，表明在技术导向型项目中，GenAI的教育价值较少取决于工具本身，而更多取决于围绕其使用的教学和制度条件。在综述部分和地方调查证据中，当要求学生验证输出、证明决策并参与反思性推理，以及当机构提供更清晰的指导、教师准备和公平的获取条件时，有意义的使用更有可能。因此，负责任的GenAI整合应被框架为评估设计、教学调节和治理问题，而非仅仅工具可用性。在这个意义上，本研究强调，过程导向评估、批判性提示、元认知常规和明确的制度指导对于在本情境中维护技术导向型高等教育的自主性、批判性思维参与和学术诚信至关重要。
