《Sage Open》：Empowerment or Marginalization? AI Use, Scholarly Identity, and Satisfaction Among Global STEM/Medical PhD Candidates
编辑推荐：
置于全球“不发表就出局（publish or perish）”体制之中，博士研究工作里人工智能（Artificial Intelligence, AI）工具日益增长的使用与嵌入，引发了工具性效率与学者身份培养之间的关键张力。本研究超越技术接受的窄化心理学话语，
置于全球“不发表就出局（publish or perish）”体制之中，博士研究工作里人工智能（Artificial Intelligence, AI）工具日益增长的使用与嵌入，引发了工具性效率与学者身份培养之间的关键张力。本研究超越技术接受的窄化心理学话语，从专业管辖权（professional jurisdiction）、博士社会化（doctoral socialization）与认知能动性（epistemic agency）视角审视AI使用。基于?《自然》2025年研究生调查（Nature’s Graduate Survey 2025，N = 3,483名STEM/医学博士候选人）数据，研究人员采用调节模型与序列中介模型，考察AI使用频率与博士满意度之间的关联。结果显示，AI使用与研究满意度呈统计显著但温和的负相关（β = -0.070，p < 0.01）。该关联具有区域不变性，说明AI相关张力可能植根于学术生产广泛共享的结构性压力。研究人员发现自我报告的冒名者关切（Self-reported Impostor Concerns, SIC）中介该关联。关键的是，分析揭示两条不同路径：对批判性思维弱化的担忧通过SIC与满意度呈极小的正向间接关联，研究人员谨慎将其解释为应对认知负荷的制度性博弈（institutional gaming）；而对核心研究技能被替代的感知则通过SIC与满意度呈负向关联。因此，研究人员将AI不是呈现为博士异化的直接原因，而是作为诊断透镜，用以审视当代STEM/医学博士培养中生产力、学者能动性与身份形成之间的微妙张力。
研究背景方面，博士教育被理解为进入学界的形成性通过仪式，候选人通过博士社会化内化学科规范并建构稳定研究者身份。但在全球“不发表就出局”体制下，研究产出成为专业合法性的重要货币，竞争与分层加剧。人工智能（AI）作为认知脚手架可提供效率红利，但当其嵌入文献综合、草稿撰写、论证建构、编码与可视化等核心智识过程时，便引发专业管辖权（某一职业对特定核心认知工作的排他性主张）张力：工具性产出最大化可能与独立研究者培养目标冲突，并挑战支撑学者身份的学术自主性。既有文献多从技术接受心理视角出发，少有把AI使用放到博士社会化、认知能动性与专业管辖权框架中考察“AI使用—学者身份—满意度”的结构性关系。该研究由此提出：AI既不是天然赋能，也不是天然有害，而是使当代博士训练中长期存在的绩效体制、劳动工具化与研究者自主权收缩等张力显影出来的社会技术条件。
该研究发表在《Sage Open》。研究人员使用《自然》2025年研究生调查（Nature’s Graduate Survey 2025）数据，从3,785名自选择博士生中排除无明确学术/研究志向者，最终分析样本为3,483名有明确学术志向的STEM/医学博士候选人。测量上，博士满意度用“I feel fulfilled by the work I am doing as part of my PhD”（五点量表）及总体满意度（七点量表）；AI使用频率（AI Frequency, AIFR）用ChatGPT、Copilot、Claude等工具使用频率五点序数尺度；冒名者关切（SIC）为单条目二分类代理变量；机制变量包括“AI削弱批判性思维/研究/写作技能担忧（CRTH）”与“AI替代领域核心科学技能担忧（SCSK）”。控制变量含年龄、性别、学科、博士阶段、是否全日制、是否第一代大学生、是否国际学生、周工作时数、导师支持与留学国家人类发展指数（Human Development Index, HDI）。
关键技术方法上，研究人员采用《自然》2025年研究生调查全球样本，针对有明确学术志向的3,483名STEM/医学博士候选人，使用有序 logistic 回归分析AIFR对过程性满意度DS1的关联，用OLS与子样本及替代因变量做稳健性检验；用带有交互项的调节分析检验地区、性别、研究情境与任务情境的边界条件；用二分类 logistic 回归分析AIFR与SIC的关系，并按HDI做分组平均边际效应（Average Marginal Effects, AME）分析；用1,000次重抽样的非参数 bootstrap 估计序列中介路径AIFR→CRTH/SCSK→SIC→DS1，并以偏差校正与百分位置信区间判断间接效应。
研究结果如下。
学术绩效体制与博士工作的工具化：研究人员通过文献与假设推演指出，在“不发表就出局”下，AI使用可能从技术接受问题转为应对加速产出需求的策略；AIFR与DS1在全模型中仍为负向显著（β = -0.070，p < 0.01），说明更高频算法中介与更低研究获得感相关，但伪R2很小，属温和而稳健的结构性张力。
专业管辖权与学者合法性危机：二分类 logistic 结果显示AIFR越高，报告SIC几率越高（β = 0.124，p < 0.001）；任务情境调节显著（β = -0.056，p < 0.05），即AI用于核心研究任务比辅助任务更易引发冒名者关切，支持核心认知工作被外包会挑战合法专长的理论判断。
新自由主义大学中认知能动性的侵蚀：序列中介显示AIFR→SIC→DS1间接效应显著且为负；AIFR→CRTH→SIC→DS1为极小正向（β = 0.0002），与“制度性博弈”解释一致——博士生明知认知卸载仍有策略性安抚；AIFR→SCSK→SIC→DS1为显著负向（β = -0.0001），说明真正损害满意度的是“AI替代核心能力习得”的感知，而非泛化地担心变笨。
情境异质性与调节分析：地区×AIFR、性别×AIFR、研究情境×AIFR交互均不显著，说明AIFR—满意度负向关联在人口、地理与研究环境中跨情境稳定；这被解释为全球高教审计文化同构（isomorphism）下共同结构压力的体现。
AIFR与SIC：任务情境的调节作用：核心/辅助任务分组后，核心任务中的AI使用与SIC正关联更强，验证专业管辖权框架——身份内化最依赖核心研究实践。
发展情境边界条件：按HDI分组，极高HDI组AIFR对SIC的AME为0.035，HDI 1–3组为0.016，组间差0.019（p < 0.05）；CRTH的AME组间差亦显著。极高人类发展语境中，绩效规范、技术嵌入与原创性期待共同使AI辅助生产更易动摇作者身份内化。
中介路径：SIC、批判性思维与核心研究技能：bootstrap结果表明SIC整体中介AIFR对满意度的负向关联；但两条机制方向不同——批判性思维担忧走“制度性博弈”式微弱正向，核心技能替代担忧走身份威胁式负向。
讨论部分总结：研究人员强调，AI不是博士身份的直接破坏者，而是暴露既有结构张力的诊断透镜。区域不变性可用全球高教指标化、同质化解释；但HDI分组显示，极高发展语境里技术基础设施与绩效压力更强，AI越深嵌工作流，“独立学者”规范与算法协助间的失调越明显，SIC更强。两条中介路径的区分是核心贡献：批判性思维担忧可共存于策略性功利满足，核心技能替代感知才真正侵蚀学者身份。论文同时承认局限：横断面不能定因果，单条目测量只是代理，样本限于有学术志向的STEM/医学群体，人文学科与社会科学（Humanities and Social Sciences, HSS）未覆盖，学术异化、制度性博弈、管辖权位移等是解释性概念而非直接测得构念。
研究结论部分翻译：本研究结果不应被读作AI直接威胁研究者身份的证据，而应被理解为当代博士教育体系可能早已在结构上倾向于一种条件：在这种条件下，技术中介与身份相关关切相关联。AI可能充当既有张力的加速器，这些张力存在于博士训练中生产力、自主性与智力发展之间。AIFR与满意度负向关联在性别、地理区域和研究环境中稳定，说明该现象反映当代STEM/医学博士教育的结构特征，而非局部或人口学偶发。与此同时，研究发现重要边界条件：在极高HDI系统中，AI使用与SIC的关联显著更强，因为技术基础设施、竞争压力与绩效期待通常更强烈；此类环境中AI深嵌研究流程，放大算法协助与独立学者理想间的张力。任务情境调节结果表明，核心研究活动中的AI使用比外围或支持性任务更易引发SIC，凸显核心学术实践参与对身份形成的功用。本研究关键贡献在于区分两条序列中介路径（同时承认其绝对量极小）：对AI削弱批判性思维的担忧经SIC产生极小的正向间接满意度关联，说明认知卸载可能在高压博士环境中暂时缓解精神负荷；而对AI替代核心研究技能的感知经SIC产生负向间接满意度关联，后者凸显不满并非来自AI使用本身，而是来自其对学术能力专业管辖权核心的被感知侵入。综上，结果区分了统计显著与实践显著：研究并不暗示AI使用在个体层面剧变博士满意度，而是指出小却一致的关联——它们之所以重要，是因为出现在大型国际STEM/医学样本中，并在大量控制后依然可见；其意义不在效应量，而在揭示AI中介博士劳动被微妙常态化的过程。
