生成式AI的使用与可持续的教学实践作为预测4C能力发展的因素：数字素养在中国国际研究生中的中介作用

《Information Processing & Management》：Generative AI use and sustainable pedagogical practices as predictors of 4Cs skill development: The mediating role of digital literacy among international postgraduate students in China

　　摘要
本研究探讨了生成式人工智能应用（GAU）和可持续教学实践（SPP）与国际研究生的批判性思维、创造力、协作能力和沟通能力（4Cs）之间的关联，并将数字素养（DL）作为中介变量进行考察。基于对中国C9联盟大学369名国际硕士和博士生的调查数据，本研究采用了偏最小二乘结构方程模型（PLS-SEM）和人工神经网络（ANN）进行分析。4Cs被构建为一个包含四个 lower-order 维度的 higher-order 构念。结果显示，GAU 和 SPP 都与学生的 4Cs 有正向关联，其中 SPP 的标准化直接关联效应最大。GAU 和 SPP 也与数字素养正相关，而数字素养又与 4Cs 正相关。通过数字素养，观察到 GAU 和 SPP 与 higher-order 4Cs 构念之间存在显著的间接关联。ANN 的分析结果提供了补充的预测证据，其中 SPP 的预测重要性最高，其次是 GAU 和数字素养。总体而言，这些发现支持了一种 “技术-教学法-能力” 的视角，即教学设计对于 4Cs 的发展具有最大的标准化直接效应，而数字素养则作为学习者的信息处理能力，将人工智能支持和可持续性导向的学习体验与能力发展联系起来。在实际应用中，建议大学将生成式人工智能嵌入到强调信息验证、 responsible 使用和协作解决问题的结构化、可持续性导向的学习活动中。这些发现应当结合横断面调查设计和中国C9联盟大学国际研究生的具体背景进行解读。

引言
在生成式人工智能应用（GAU）重塑知识生产、可持续性挑战重新定义教育优先事项的时代，高等教育面临着双重任务：培养既具备技术能力又具备伦理责任感的毕业生。快速的数字化转型和劳动力市场的变化加剧了发展 4Cs（批判性思维、创造力、协作能力和沟通能力）的呼声，这些能力被视为二十一世纪的核心素养（世界经济论坛，2023年）。这些技能是 OECD Learning Compass 2030 框架的核心，该框架不仅关注知识和技能，还关注价值观、态度和促进全球福祉的变革性能力（OECD，2019年）。同样，可持续发展教育（ESD）要求大学将环境、社会和伦理原则纳入课程，培养学生成为不确定世界中的变革推动者。生成式人工智能在学术领域的快速崛起增加了这些优先事项的紧迫性（Khalil 等人，2025年），从而提出了一个重要问题：人工智能支持的学习和可持续性导向的教学实践如何与高等教育中 4Cs 的发展相关联？关于教育中人工智能的研究强调了个性化、形成性反馈和生产力的机会，同时也警示了准确性、公平性和完整性方面的风险（Bond 等人，2024年；Kasneci 等人，2023年；Moorhouse，2024年）。关于 4Cs 的研究同样指出了它们的独特性、评估难度以及需要 authentic 教学法来支持其发展的必要性（Thornhill-Miller 等人，2023年）。当代数字能力框架，特别是 DigComp 2.2，明确了负责任地与人工智能和其他数字系统互动所需的批判性、伦理性和沟通能力（Vuorikari 等人，2022年）。综合来看，这些观点表明数字素养（DL）不仅仅是一项边缘技能，而是一种潜在机制，通过这种机制，技术丰富的教学法可以与有意义的能力发展联系起来。这一问题也适用于信息科学，因为生成式人工智能改变了学习者在数字中介环境中获取、评估、验证、解释和应用信息的方式。尽管取得了这些进展，现有文献中仍存在三个空白：首先，研究往往将 GAU 和可持续性导向的教学法视为独立的部分，较少关注它们如何在单一模型中影响学生的 4Cs 发展；其次，虽然数字素养被广泛认为是二十一世纪的核心能力，但它在将人工智能支持和可持续性导向的学习体验与 4Cs 发展联系起来的中介作用在综合多构念模型中尚未得到充分探索；第三，现有证据主要来自西方背景和描述性设计，缺乏来自亚洲高等教育系统的具体情境证据，而在这些系统中人机交互正在迅速扩展。这些空白表明需要一个综合模型，来考察技术和教学经验如何通过学习者的信息处理能力影响能力发展。从信息科学的角度来看，生成式人工智能被视为一种交互式信息系统，而不仅仅是教育技术。作为一种交互式信息系统，生成式人工智能改变了学生搜索信息、生成学术内容、评估信息来源可靠性、验证人工智能生成的结果、校准信任以及在学术和协作任务中使用信息的方式。因此，生成式人工智能的教育价值不仅取决于对人工智能工具的访问或算法性能，还取决于学生的学习信息处理能力，这些能力包括判断信息质量、识别不准确性、将生成内容置于具体情境中、避免过度依赖以及道德和负责地使用人工智能支持的信息。在这种信息处理视角下，数字素养表示一种学习者方面的能力，可以解释人工智能支持和可持续性导向的教学体验如何与 4Cs 相关联。在本研究中，数字素养不仅被理解为技术熟练度，还包括评估、验证、情境化、沟通和负责任地使用数字和人工智能生成的信息的能力。这种框架将研究与信息科学研究联系起来，通过人机交互、信息评估、信任校准以及使用人工智能生成的信息与教育环境中更高阶能力的发展联系起来。因此，信息处理视角为本研究提供了核心的解释视角。建构主义学习理论、变革学习理论和社会文化理论被用作支持性的教育视角，而核心机制关注学生如何在教学结构化学习环境中处理和应用数字和人工智能生成的信息。在此背景下，本研究探讨了 GAU 和 SPP 与国际研究生的 4Cs 发展之间的关联，以及数字素养是否作为学习者方面的信息处理能力调节这些关系。主要目标是考察 GAU 和 SPP 与国际研究生的 4Cs 发展之间的关联；次要目标是：(1) 考察 GAU 和 SPP 是否与数字素养相关；(2) 考察数字素养是否与 higher-order 4Cs 构念相关；(3) 测试数字素养是否调节 GAU 和 SPP 与 4Cs 发展之间的关联。本研究基于以下研究问题展开：生成式人工智能应用和可持续教学实践如何与国际研究生的 4Cs 发展相关，数字素养在人工智能支持的高等教育中调节这些关联的程度如何？分析重点关注中国C9联盟大学注册的国际研究生，因为这些机构为研究人工智能支持的学习提供了理论相关且信息丰富的背景。作为研究密集型且全球互联的机构，C9联盟大学为学习者提供了接触先进数字基础设施、可持续性导向的教学法和新兴教育技术（如生成式人工智能）的相关环境，因此非常适合考察技术参与、教学设计和学习者能力与 4Cs 发展之间的关系。同时，本研究并不认为 C9联盟大学代表了中国所有的高等教育机构；它们被有目的地选为信息丰富的背景，以便有意义地考察这些关键关系。在本研究中，4Cs 被构建为一个由四个 lower-order 维度组成的 higher-order 构念：批判性思维、创造力、协作能力和沟通能力。本研究在四个方面扩展了现有研究：首先，虽然现有文献大多关注生成式人工智能的采用、态度、学术完整性、反馈或任务层面的表现，但本研究将生成式人工智能应用概念化为与信息系统的互动，其教育价值部分取决于学习者如何批判性地评估和负责任地使用人工智能生成的信息；其次，它将生成式人工智能应用和可持续教学实践整合在一个解释框架中，而不是将技术参与和教学设计视为独立的研究流；第三，本研究将数字素养定位为一种学习者方面的信息处理能力，有助于解释人工智能支持和可持续性导向的教学实践如何与 4Cs 发展相关；第四，本研究提供了来自中国C9联盟大学国际研究生的具体情境证据，并结合了 PLS-SEM 和 ANN 来区分理论指定的直接和间接关联以及预测重要性的互补证据。这些贡献共同推进了一种 “技术-教学法-能力” 的视角，即更高阶能力的发展不仅仅与人工智能应用相关，还与技术参与、教学设计和学习者能力的综合作用相关。

部分章节内容
**高等教育中的生成式人工智能**
在高等教育领域，关于生成式人工智能的研究已从评论迅速发展为实证证据。系统评价记录了包括反馈、辅导、摘要和探究支持在内的广泛应用，同时也持续关注准确性、偏见和学术完整性等问题（Deng 等人，2025年；Ogunleye 等人，2024年）。例如，一项关于生成式人工智能生成的形成性反馈的大样本实证研究表明，学生在写作修改方面取得了可测量的进步。

**研究设计**
本研究采用了定量横断面调查设计，以考察生成式人工智能应用和可持续教学实践与国际研究生的 4Cs 发展之间的关联，并将数字素养作为中介变量。通过调整先前研究中的验证测量工具，开发了一份结构化的问卷，以确保其情境相关性和心理测量严谨性。方法论部分报告了抽样程序、响应筛选过程、缺失和无效响应的处理方式、量表适配过程以及 PLS-SEM 结果。PLS-SEM 被用于评估 GAU、SPP、DL 和 higher-order 4Cs 构念之间的假设关系。分析包括测量模型评估、区分效度、结构路径、间接效应、样本外预测性能和共同方法变异评估。表 2 展示了第一阶构念的测量模型评估结果，所有指标载荷均超过 0.70。Cronbach’s alpha、rho_A 和综合可靠性值均超过...

**讨论**
本研究提供了支持 “技术-教学法-能力” 视角的证据，证明在人工智能支持的高等教育中 4Cs 的发展。研究结果揭示了三个核心模式：首先，GAU 和 SPP 都与 higher-order 4Cs 构念有正向关联，其中 SPP 的标准化直接关联效应最大，ANN 的预测重要性最高；其次，GAU 与数字素养的关联比 SPP 更强，表明生成式人工智能的参与特别重要...

**理论意义**
研究结果有三个主要的理论意义：首先，它们扩展了信息处理和人机交互研究，表明生成式人工智能的教育相关性不仅限于系统的可用性、采用或技术能力；GAU 与 4Cs 之间的正向关联，以及通过数字素养的间接关联，表明生成式人工智能的教育相关性还与学习者批判性评估的能力有关...

**局限性与未来研究**
本研究存在若干局限性，在解释研究结果时需予以考虑：首先，横断面调查设计的使用限制了得出因果推断或确定 GAU、SPP、数字素养和 4Cs 之间时间顺序的能力；尽管间接效应与数字素养的中介作用一致，但应将其解释为理论上的支持关联而非因果关系的证据；未来的研究可以采用纵向设计...

**结论**
本研究探讨了生成式人工智能应用和可持续教学实践与国际研究生的 4Cs 发展之间的关联，并将数字素养作为中介变量。利用中国C9联盟大学369名国际硕士和博士生的数据，本研究结合了 PLS-SEM 和 ANN，提供了补充的结构和预测证据。结果表明，GAU 和 SPP 都与 higher-order 4Cs 有正向关联...

**生成式人工智能应用的声明**
在准备这项工作时，作者使用了 OpenAI ChatGPT 来协助语言润色、内容组织、清晰度提升以及参考文献和引用检查。使用该工具/服务后，作者对内容进行了必要的审查和编辑，验证了引用的来源，并对发表文章的内容负全责。

**资金支持**
本研究得到了中国国家自然科学基金的支持（项目编号 72372126）。