生成式人工智能使用与大学生批判性思维的关系:基于GenAI反馈素养与反思性思维的有调节中介模型

《Frontiers in Psychology》:The association between generative AI use and university students’ critical thinking: a moderated mediation model of GenAI feedback literacy and reflective thinking

【字体: 大 中 小 】 时间:2026年09月22日 来源:Frontiers in Psychology 3.8

编辑推荐:

  生成式人工智能(Generative artificial intelligence, GenAI)已迅速成为大学生日常学习资源,然而关于其使用与批判性思维增强或减弱相关的证据存在严重分歧。近期研究同时记录了认知支架和“元认知懒惰”效应,表明人工智能与认知之间

  
生成式人工智能(Generative artificial intelligence, GenAI)已迅速成为大学生日常学习资源,然而关于其使用与批判性思维增强或减弱相关的证据存在严重分歧。近期研究同时记录了认知支架和“元认知懒惰”效应,表明人工智能与认知之间的关系取决于学生如何参与人工智能生成的反馈。基于扩展心智框架、认知负荷理论和反馈素养理论,研究人员检验了一个横断面有调节的中介模型,其中GenAI反馈素养中介了GenAI使用与批判性思维(以自我报告的批判性分析技能为操作化指标)之间的关系,而反思性思维调节了直接路径以及从反馈素养到批判性思维的路径。样本包括421名中国本科生(69.6%为女性),完成了经过验证的自我报告测量,采用偏最小二乘结构方程模型(partial least squares structural equation modelling, PLS-SEM,5000次bootstrap重抽样)估计模型。GenAI使用显著预测批判性思维(β=0.257, p<0.001)和反馈素养(β=0.438, p<0.001),反馈素养进而预测批判性思维(β=0.421, p<0.001)。通过反馈素养的间接效应显著(β=0.185, 95% CI [0.134, 0.254]; VAF=71.98%),而中介变量进入模型后直接效应降至不显著,这一模式与接近完全中介一致。反思性思维调节了关系的结构:在低反思性思维水平下,GenAI使用与批判性思维直接相关;在高反思性思维水平下,该关联几乎完全由反馈素养承载,且条件间接效应最强。由于所有变量均通过自我报告同时测量,研究结果描述了与所提出机制一致但并非证明其因果性的关联。然而,结果与将GenAI使用视为情境敏感认知资源的观点一致:其与自我报告的批判性分析技能的关联取决于学生能否解释、判断并采取行动于AI生成的反馈,以及他们是否以反思性态度参与互动。研究讨论了对高等教育中AI-教学整合、反馈素养课程和反思性课程设计的意义。
生成式人工智能(generative artificial intelligence, GenAI)的迅速普及已深刻改变大学生日常学习实践。然而,GenAI使用究竟增强还是削弱批判性思维,现有证据存在明显分歧:一方面,部分研究揭示认知卸载和“元认知懒惰”现象,即学习者将分析任务外包给AI后减少独立推理与自我监控;另一方面,也有研究显示GenAI通过实时反馈、多路径问题解决和自我解释提示,能够为高阶思维提供认知支架。这种不一致促使研究者将关注点从“是否使用”转向“如何使用”及其作用边界。为此,本研究基于扩展心智框架、认知负荷理论和反馈素养理论,构建了一个有调节的中介模型,旨在考察GenAI反馈素养在GenAI使用与批判性思维之间的中介作用,以及反思性思维对直接路径和中介路径的调节作用。

研究人员以421名中国本科生(69.6%为女性)为样本,采用横断面问卷调查,运用偏最小二乘结构方程模型(PLS-SEM)进行估计。结果显示:GenAI使用正向预测批判性思维和GenAI反馈素养;GenAI反馈素养正向预测批判性思维,且间接效应显著,方差解释比例(VAF)达71.98%,直接效应在加入中介后降至不显著,呈现接近完全中介的模式;反思性思维显著调节直接路径和中个路径,具体表现为低反思性思维时直接效应显著,高反思性思维时中介效应更强、直接效应消失。该研究为理解GenAI使用与批判性思维之间的复杂关系提供了机制性解释,并为高等教育中AI教学整合、反馈素养课程和反思性课程设计提供了实证依据。

在关键技术方法方面,研究采用了横断面问卷设计,通过便利抽样在中国大陆高校本科生中收集数据,最终保留421份有效问卷。测量工具包括:Li等人(2024)开发的17题大学生生成式AI使用量表;Cui等人(2026)开发的39题生成式AI学生反馈素养量表(GenAI-SFLS);Hou等人(2022)的中国批判性思维量表中的批判性分析技能子量表(8题);Kember等人(2000)的反思性思维量表(RTS)及Fu和Hali(2025)的中文修订版。数据分析使用SPSS 26.0和AMOS 26.0进行数据筛查、嵌套验证性因子分析和共同方法偏差检验,并使用SmartPLS 4.1.1.4执行PLS-SEM、5000次bootstrap重抽样、简单斜率分析和被调节的中介效应检验。

在测量结构方面,研究人员通过嵌套验证性因子分析检验了四个构念的区分效度。四因子模型拟合最佳(χ2/df=2.189;RMSEA=0.053),显著优于三因子、二因子和单因子模型,表明GenAI使用、GenAI反馈素养、批判性思维和反思性思维是四个可区分的构念。Harman单因子检验显示第一因子仅解释21.46%的方差,未测方法因子模型未显著改善拟合,说明共同方法偏差不构成严重问题。

在描述统计与零阶相关方面,四个变量两两之间均呈显著正相关(p<0.001),其中GenAI使用与反馈素养的相关系数最高(r=0.451),反馈素养、反思性思维与批判性思维的相关也较强,为后续中介和调节分析提供了前提。

在测量模型评估方面,所有指标载荷介于0.755至0.929之间,超过0.70标准;Cronbach's α值在0.761至0.894之间,组合信度(CR)在0.864至0.927之间,平均方差抽取量(AVE)在0.632至0.761之间,满足收敛效度要求。Fornell-Larcker准则和异质-单调比率(HTMT)均支持区分效度。除反馈素养行为维度外,外部方差膨胀因子(VIF)均在可接受范围内。

在直接效应与总效应方面,GenAI使用显著预测GenAI反馈素养(β=0.438, p<0.001),支持H2;GenAI使用对批判性思维的总效应显著(β=0.257, p<0.001),支持H1;GenAI反馈素养显著预测批判性思维(β=0.421, p<0.001),支持H3。

在GenAI反馈素养的中介作用方面,当GenAI使用与反馈素养同时预测批判性思维时,反馈素养的效应仍显著,而GenAI使用的直接效应变得不显著(β=0.072, p=0.227)。间接效应为β=0.185,95%置信区间[0.134, 0.254]不包含零,VAF=71.98%,表明反馈素养解释了总效应的近四分之三,支持H4并呈现接近完全中介的模式。

在被调节的中介分析方面,反思性思维与GenAI使用的交互项显著负向预测批判性思维(β=-0.125, p=0.002),反思性思维与反馈素养的交互项显著正向预测批判性思维(β=0.069, p=0.047),支持H5a和H5b。简单斜率分析显示:在低反思性思维水平(M-1 SD)下,GenAI使用显著正向预测批判性思维(β=0.177, p=0.008);在高反思性思维水平(M+1 SD)下,该路径不显著(β=-0.073, p=0.245)。反馈素养对批判性思维的效应在高反思性思维水平时最强(β=0.243, p<0.001),在低反思性思维水平时不显著(β=0.105, p=0.066)。条件间接效应显示,间接效应在低反思性思维时不显著(β=0.046, 95% CI [-0.007, 0.100]),在高反思性思维时最强且显著(β=0.106, 95% CI [0.047, 0.179])。被调节的中介指数(index=0.030)显著为正,支持H6。

在结构模型评估方面,内生变量的R2分别为:GenAI反馈素养0.192,批判性思维0.396;Q2predict分别为0.214和0.344,显示模型具有样本外预测相关性。效应量(f2)显示GenAI使用对反馈素养为中等效应,反思性思维对批判性思维为中等效应,反馈素养对批判性思维为小效应。标准化均方根残差(SRMR)为0.073,低于0.08阈值,模型拟合良好。

讨论部分指出,GenAI使用与批判性思维的正向总效应支持扩展心智和认知负荷理论的观点,即GenAI可作为认知伙伴参与信息处理,而中介分析表明,真正起作用的是学习者对AI反馈的加工过程而非使用本身,这与认知卸载和“元认知懒惰”的担忧并不矛盾,而是说明需要将反馈素养作为关键转换器。反思性思维的调节作用揭示了双路径模式:低反思性学习者表现为直接、浅层的关联,高反思性学习者则通过反馈素养产生更强的间接关联,这一解释有助于调和现有文献中看似矛盾的结果。

研究结论翻译如下:生成式人工智能正迅速成为高等教育认知基础设施的一部分,而关于其使用与批判性思维强弱关联的实证答案一直难以确定。本研究重新框定了这一问题。在中国本科生的横断面样本中,GenAI使用与自我报告的批判性分析技能正相关,但这种关联主要是间接的:它由学生解释、判断和采取行动于AI生成反馈的能力所承载,其结构取决于学生的反思性立场。在低反思性思维水平下,关联直接且适度;在高反思性思维水平下,关联通过反馈素养运行,产生更强的间接关联。如果这些关联反映了所假设的因果顺序——这需纵向和实验设计来判定——那么GenAI的认知红利不太可能仅来自使用本身,而将AI整合与明确反馈素养培训和反思性教学实践相结合的大学,可能更有能力将无处不在的AI使用转化为高等教育本应培养的分析能力。本研究提出的有调节的中介模型为下一代关于GenAI与高阶认知的实证研究提供了一个可行的框架。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号