人机能力与生成式人工智能比较：新闻传播学学生的自我评估、评价判断与适应性职业智能

《Journal of Intelligence》：Comparing Human Ability with Generative AI: Self-Evaluation, Appraisal, and Adaptive Professional Intelligence Among Journalism and Communication Students

　　

生成式人工智能（Generative Artificial Intelligence，生成式AI）正在重塑学生评估自身能力、职业前景以及专业教育持续价值的方式。研究人员考察了与AI的能力比较如何与新闻传播学学生的职业价值感知相关联，以及为何同一比较可能同时关联威胁性与适应性反应。研究采用解释性序列混合方法设计，分析了中国507名学生的调查数据（使用偏最小二乘结构方程模型，并以PROCESS分析作为稳健性检验），随后对20名学生进行半结构化访谈。与AI的能力比较正向关联岗位替代焦虑（该焦虑负向关联职业价值感知），并正向关联AI学习动机（该动机正向关联职业价值感知），同时与职业价值感知仍存在正向直接关联。AI阻碍评价（AI hindrance appraisal）强化了“比较—焦虑”关联，而AI挑战评价（AI challenge appraisal）未显著调节“比较—动机”关联。访谈表明这些关系依赖任务与评判标准，并受职业解读与具体学习需求塑造。因此，人机比较可能通过同时存在的威胁导向与适应导向路径而非单一正向或负向过程与职业价值产生关联。

研究背景与问题提出

生成式人工智能（Generative AI）能够直接参与写作、摘要、翻译、信息综合与内容生成等认知与创造性任务，在高等教育中既支持个性化学习与知识生产，也引发对过度依赖、认知投入下降及人类专长相关性的担忧。新闻传播教育对此尤为敏感：AI已渗入新闻写作、编辑、检索与多媒体生产，但该领域竞争力还包含信源核实、语境阐释、伦理判断与公共问责等难以被孤立输出替代的维度。既有研究分裂为两派——一派强调AI赋能学习效率，另一派强调自动化带来的岗位不安全感与职业自主性丧失，却少有研究解释个体如何解读“自身能力vs AI能力”的差异，以及同一比较何以同时催生焦虑与动机。中国社会正推动AI融入高校课程与就业能力培养，新闻传播学生因而兼具“AI成为新兴职业能力”与“未来技能与就业不确定”的双重张力。为此，研究人员基于社会比较理论（Social Comparison Theory）与压力应对交易模型（Transactional Model of Stress and Coping），构建并检验“能力比较—威胁/适应双路径—职业价值感知”模型，并以中国新闻传播学生为样本开展混合方法研究，论文发表于《Journal of Intelligence》。

主要技术方法

研究人员采用解释性序列混合方法。定量阶段通过问卷星在中国招募新闻传播相关专业的507名合格学生（排除粗心作答后），以5点李克特量表测量与AI能力比较（ASC）、AI挑战评价（ACA）、AI阻碍评价（AHA）、岗位替代焦虑（JRA）、AI学习动机（ALM）与职业价值感知（PPV），控制性别、学历、院校与使用频率，用SmartPLS 4做偏最小二乘结构方程模型（PLS-SEM，5000次bootstrap），并以SPSS PROCESS Model 7做调节中介稳健性检验。定性阶段于2026年8月另募20名学生（本硕博分层最大变异抽样），腾讯会议半结构化访谈30—45分钟，NVivo 15做演绎-归纳主题分析，两名研究者对5份转录本独立编码（Cohen’s κ=0.84）后共识修订码本。

研究结果

4.1 描述统计与相关：六变量均值2.952—3.662，ASC同时正关JRA(r=0.520)与ALM(r=0.504)；JRA负关PPV(r=-0.259)，ALM正关PPV(r=0.428)，ASC正关PPV(r=0.256)；ACA与AHA正关(r=0.360)但不互斥。

4.2 测量模型：Cronbach’s α 0.853—0.900，CR 0.911—0.930，AVE 0.750—0.783，Fornell-Larcker与HTMT达标，Harman单因子解释34.43%<50%，全共线VIF 1.660—2.175，共同方法偏差可控。

4.3 结构模型：ASC→JRA(β=0.416,p<0.001)支持H1；JRA→PPV(β=-0.593,p<0.001)支持H2；ASC→ALM(β=0.321,p<0.001)支持H3；ALM→PPV(β=0.468,p<0.001)支持H4；ASC→PPV直接效应β=0.330(p<0.001)，非完全中介。R²_ALM=0.401，R²_JRA=0.366，R²_PPV=0.438；Q²_predict均正。

4.4 中介效应：经ALM间接效应+0.150(p<0.001,95%CI[0.110,0.192])，经JRA间接效应-0.247(p<0.001,95%CI[-0.307,-0.193])，双路径并存且威胁路径点估计绝对值更大。

4.5 调节效应：AHA调节ASC→JRA(β=0.151,p<0.001)支持H5，高阻碍评价下比较更易致焦虑；ACA调节ASC→ALM不显著(β=-0.029,p=0.340)拒H6，但ACA主效应正关ALM(β=0.420,p<0.001)。

4.6 定性整合：①比较依任务与标准而异（标准化生产AI占优，语境/信源/责任类人类占优）；②任务级差距经“职业解读”转为替代焦虑，阻碍评价放大此解读；③比较暴露能力缺口，但ALM提升靠课程截止期、实习与可评估产出等“必要性”驱动，非仅挑战评价；④比较促使学生重定义职业价值——例行生产独特性下降，证据评估、语境理解、伦理与问责价值显影，故ASC对PPV存正向直接项。

讨论与结论翻译

研究人员讨论指出，与生成式AI的能力比较通过三条并存通道关联新闻传播学生的职业价值感知：经岗位替代焦虑的负向间接通道、经AI学习动机的正向间接通道，以及越过两者的正向直接通道。AI阻碍评价强化比较向焦虑的转化，AI挑战评价虽整体提振学习动机却不调节比较—动机关联；定性材料揭示该分化源于任务可比性、职业意义赋予、能力缺口可行动化条件及对专业责任的重划。结论可译作：人机能力比较并非统一正向或负向过程，而可能通过同时存在的威胁导向与适应导向路径与职业价值感知相关联；在新闻传播教育中，AI既是可习得的新型职业能力要素，也是促发对“何为人不可替代之专业判断”再认识的触发器，职业价值感知的维持取决于学生能否将比较信息转化为对信源核实、语境阐释、伦理问责等人类—AI协作边界的具身实践，而非假定人类天然垄断判断与同理。