《Frontiers in Psychology》：ChatGPT as a self-regulated learning support tool in thesis writing: a mixed-methods study
编辑推荐：
摘要专业翻译
本研究考察了ChatGPT作为研究生写作工具的潜力，重点关注其在规划（planning）、监控（monitoring）和评价（evaluation）中的作用。研究以齐默尔曼（Zimmerman）的自我调节学习（Self-Regulated Lea
摘要专业翻译
本研究考察了ChatGPT作为研究生写作工具的潜力，重点关注其在规划（planning）、监控（monitoring）和评价（evaluation）中的作用。研究以齐默尔曼（Zimmerman）的自我调节学习（Self-Regulated Learning，SRL）框架为指导，探讨ChatGPT如何在学位论文写作的前思（forethought）、表现（performance）和自我反思（self-reflection）三个阶段为研究生提供支持。研究采用混合方法设计（mixed-method research design），通过对303名研究生的问卷调查和20次访谈收集数据，揭示了研究生群体中多种积极实践与关切。定量研究结果表明，学生在使用ChatGPT支持学位论文写作中的规划、监控和评价方面报告了积极体验。定性研究结果进一步表明，ChatGPT在帮助学生构建章节大纲、头脑风暴产生想法、阐明研究目标、核实信息、优化提示词（prompt）以及批判性评价AI生成内容等方面发挥了辅助作用。子主题显示，SRL循环中的评价阶段以强烈的元认知控制（metacognitive control）、批判性判断和作者主体性（authorial agency）为特征。参与者始终将自己定位为第一作者，将AI作为反思性和辅助性工具而非替代品，从而维护了学术身份和学术贡献。总体而言，研究结果表明，当被批判性和策略性地使用时，ChatGPT可以充当支持自我调节论文写作的认知和元认知支架（cognitive and metacognitive scaffold）。本研究为研究生利用ChatGPT提升写作技能同时维护学术诚信和作者所有权提供了重要的实践启示。
论文解读文章
一、研究背景与研究问题
近年来，人工智能（Artificial Intelligence，AI）的快速发展正在深刻改变全球高等教育机构的教学实践。联合国教科文组织（UNESCO）已将人工智能列为2025年国际教育日的主题，凸显了AI在教育领域日益重要的地位。已有实证研究表明，学生对在学习环境中运用AI持积极态度，认为AI工具能够有效支持想法生成、草稿撰写、编辑修改以及语法和句法问题的检测。然而，现有研究存在明显局限：大多数研究聚焦于AI在语言层面（如流利度、准确性和连贯性）的支持效果，而对学生在复杂学术任务（如学位论文写作）中如何运用AI进行规划、监控和评价等自我调节学习（Self-Regulated Learning，SRL）核心过程的理解仍然不足。此外，关于认知卸载（cognitive offloading）、作者身份（authorship）以及学习者在高等教育背景下使用AI的经验与反思等议题的探讨尤为有限。
学位论文写作被认为是最具挑战性的学术任务之一，需要持续的认知努力、有效的策略、情绪调节和自我调节能力。许多研究生面临动机不足、拖延、时间管理不善、心理问题、研究写作知识有限以及导师支持不足等多重挑战。尽管ChatGPT在高等教育中的采用日益增长，但关于研究生如何在学位论文写作中跨越SRL的前思、表现和自我反思三个阶段使用ChatGPT的实证研究仍然有限。基于此，本研究提出两个研究问题：其一，研究生在使用ChatGPT进行论文写作时，其自我调节学习（前思、表现和自我反思）水平如何？其二，ChatGPT如何在论文写作准备过程中协助学生的前思、表现和自我反思阶段？
二、理论框架与研究设计
本研究以齐默尔曼（Zimmerman）2000年和2002年提出的自我调节学习循环模型为理论框架。该框架将SRL界定为一种循环性的、有目的性的自我导向学习方法，包含三个相互关联的阶段：前思阶段（涉及目标设定、策略规划、任务分析和自我动机激发）、表现阶段（涉及进度监控、学习策略应用和努力调节）以及自我反思阶段（涉及表现评价、策略有效性评估和改进领域识别）。研究将ChatGPT概念化为一种元认知支架工具，而非单纯的写作助手，假设与ChatGPT的互动能够增强学生规划、监控和评价论文写作过程的能力。
研究采用顺序解释性混合方法设计（sequential explanatory mixed-methods design），定量阶段先行、定性阶段随后。定量阶段通过问卷调查收集了马来西亚北部地区一所高校303名研究生的数据，参与者年龄介于25至50岁之间，其中女性159人、男性144人，来自中国（n=200）和马来西亚（n=103），采用目的性抽样方法。问卷共21个题项，其中SRL相关题项15个，采用5点李克特量表（Likert scale）计分，涵盖规划（题项1-5）、监控（题项6-10）和评价（题项11-15）三个子量表。问卷改编自Zhang和Wang（2025）、Barnard等（2009）以及Noels等（2000）的已有量表，并经过两位学科专家内容效度审查。各子量表的Cronbach's alpha系数分别为规划0.69、监控0.67、评价0.70，总量表为0.86。定量数据分析采用IBM SPSS Statistics Version 27，辅以semopy和statsmodels库进行交叉验证，分析步骤包括描述性统计、验证性因子分析（Confirmatory Factor Analysis，CFA）、Friedman检验、配对样本t检验、Pearson相关分析、独立样本t检验、单因素方差分析（ANOVA）以及多元回归分析。定性阶段从25名自愿参与者中根据数据饱和原则选取20名进行半结构化访谈，每人访谈时长约30至60分钟，采用Braun和Clarke（2019）六步主题分析法进行人工编码分析，两名独立编码者的评分者间信度达90%。
三、研究结果
（一）SRL各阶段描述性统计与比较（RQ1）
定量结果显示，三个SRL阶段均获得较高评分，其中监控维度最强（M=4.11，SD=0.56），其次为评价（M=4.02，SD=0.56）和规划（M=4.01，SD=0.55）。Friedman检验确认各阶段评分存在显著差异，χ2(2)=38.94，p<0.001。配对样本t检验显示，监控显著高于规划和评价（均p<0.001），而规划与评价之间无显著差异（p=0.74）。这一模式表明，虽然学生参与了所有三个阶段，但其调节活动集中于对AI输出的实时监控。三个SRL阶段之间呈强正相关（规划-监控r=0.61；规划-评价r=0.61；监控-评价r=0.66；均p<0.001），与Zimmerman将SRL视为整合性循环过程的 conceptualization 一致。
（二）测量模型验证
三因子CFA模型（规划、监控、评价）显示模型拟合可接受但并非非常强：χ2/df=3.17，CFI=0.92，TLI=0.89，RMSEA=0.079，SRMR=0.081。所有标准化载荷均显著，范围从0.39到0.71。组合信度（Composite Reliability，CR）充分（0.68-0.72），但各因子的平均方差提取值（Average Variance Extracted，AVE）低于0.50基准（0.30-0.34），且潜在因子间相关性极高（φ=0.92-0.97）。这些结果为三阶段结构提供了有条件的支持：各阶段在经验上可区分但共享大量方差，强化了SRL作为紧密耦合的循环构念的解释。
（三）组间比较：性别与使用频率
性别方面，各阶段及整体SRL均未出现统计学显著差异（所有p≥0.25；|d|≤0.13），表明男女研究生在使用ChatGPT进行论文写作时的自我调节行为相当。使用频率方面，单因素方差分析显示整体SRL存在可靠差异，F(2,300)=24.63，p<0.001，η2=0.14，各阶段亦均存在显著差异。Tukey HSD事后比较表明，每日使用者（M=4.12）和每周使用者（M=4.01）的SRL显著高于偶尔/极少使用者（M=3.32；均p<0.001），而每日与每周使用者之间无显著差异（p=0.11）。这表明更习惯性地使用ChatGPT伴随着更强的自我调节，而非更弱。
（四）解释性分析：SRL对感知写作成果的预测
以感知写作成果（六题项量表；α=0.79；M=4.11，SD=0.54）为因变量，三个SRL阶段为预测变量的多元回归模型表现强劲：R2=0.63，F(3,299)=171.9，p<0.001。规划（β=0.47）、评价（β=0.23）和监控（β=0.18）均独立显著预测感知写作提升（均p<0.001）。在复合层面，SRL单独解释了感知成果61%的方差（r=0.78）。这一结果直接回应了研究仅解释"是什么"而非"为什么"的关切：自我调节使用ChatGPT越强的学生，尤其是通过审慎规划，感知到的论文写作提升越大。
（五）混合方法整合
联合展示（joint display）将定量结果与定性主题相链接。各研究线索大体趋同：高规划和监控得分与AI辅助大纲构建和主动验证的叙述相呼应。评价阶段呈现互补关系：定量中区分有效与无效AI内容的能力得分较低（M=3.31），定性数据解释了这一现象——学生通过手动追溯来源、交叉核对数字对象标识符（DOI）以及咨询导师来弥补判断AI可靠性信心的不足。同时存在一个分歧点：尽管规划整体得分较高，但部分受访者描述了情境性、故障排除式的使用方式，缺乏刻意目标设定，对定量所呈现的统一策略性规划图景构成限定。
（六）定性发现
规划阶段（前思）的子主题包括：章节大纲构建、头脑风暴产生想法、阐明各阶段研究目标、文献检索与概念澄清，以及写作困难时的故障排除式使用。例如，T2表示"我使用AI工具主要是为了勾勒每个章节并确定需要解决的关键点"；T15提到"我先自己制定大纲……然后请AI给我这个特定部分的结构，它帮助我填补空白"。然而，部分参与者如T4承认"使用AI工具时没有清晰的计划，通常在遇到困难时才使用"，揭示了学生间策略性规划水平的差异。
监控阶段（表现）的子主题包括：核实信息以进行三角验证、优化提示词、多源比较。参与者表现出批判性态度，如T12所述："使用AI进行文献相关任务时，我总是手动核实信息。例如，如果AI提供了DOI，我会自己搜索确认文章存在且书目信息正确。"T7提到："当我请AI工具先改写一段文字而结果不令人满意时，我会调整提示词请其再次精炼。"这些行为反映了元认知监控和策略性适应。
评价阶段（自我反思）的子主题包括：采用前的批判性审查、维护作者所有权、策略性整合。T12强调："我总是先形成自己的论点和大纲再使用任何AI工具，所以核心想法来自我自己。我也会批判性地修改AI生成的建议，只保留与我的推理一致的部分。"T1表示："我只用AI生成草稿，其他部分我自行撰写和阐述自己的观点，以确保作品以我自己的声音呈现。"参与者还通过咨询导师、追溯参考文献、逐条核实原始来源等方式补偿AI可靠性判断方面的不足，表现出对过度依赖AI风险的清醒认识。
四、讨论与结论
本研究表明，研究生在使用ChatGPT进行论文写作时积极参与了SRL的三个重要阶段。ChatGPT被作为一种辅助工具明智地使用，配合有效的策略和评价行为，这与Zimmerman框架的预测一致。一个值得注意的发现是，学生对于"批判性区分有效与无效AI生成信息"能力的认同度最低（M=3.31），揭示了研究生群体中潜在的AI素养缺口。这一发现扩展了Zimmerman的SRL框架：在AI中介的学习环境中，学习者不仅需要调节自身的学习行为和学术成果，还需要调节AI系统产生的外部知识——这是一种"双重调节"（dual regulation）形式，AI素养由此成为当代学术写作中有效SRL的组成部分。
定性数据进一步表明，规划阶段ChatGPT作为元认知支架促进了目标设定、策略规划和任务分析；监控阶段参与者通过迭代提示、信息验证和输出精炼展现了主动的元认知行为；评价阶段参与者通过批判性审查、维护作者声音和策略性整合，表现出对学术身份和作者所有权的强烈维护意识。研究还引入了"身份调节"（identity regulation）的理论维度，即学生主动过滤AI生成内容以维护其学术声音和智力所有权。
研究结论指出，SRL在AI辅助的学术环境中至关重要。当被系统性地使用时，AI可以促进元认知参与。与其否认AI的使用，更重要的是将AI嵌入有效的规划、监控和评价框架之中。通过培养学习者的主体性和批判性评价能力，AI可以帮助学生有效完成学位论文。研究建议高等教育机构实施适当的干预措施和工作坊，以增强学生能力，使其在具备适当能力和长期学术发展的前提下有效完成学位论文。
