高等教育学生在生成式人工智能使用中需求满足与需求受挫:一项范围综述
《Learning and Motivation》:Need satisfaction and need frustration in generative artificial intelligence use among higher education students: A scoping review
【字体:
大
中
小
】
时间:2026年09月23日
来源:Learning and Motivation 4.4
编辑推荐:
•映射了高等教育中GenAI使用与SDT证据的关系。
•需求满足和需求受挫在各研究中并存。
•教学设计作为最一致的边界条件出现。
•归属感仍然是最不被理解的基本心理需求。
•证据主要来自东亚的横截面研究。
引言
2022年11月ChatGPT的公开发布标志着生成式人工智能
•映射了高等教育中GenAI使用与SDT证据的关系。
•需求满足和需求受挫在各研究中并存。
•教学设计作为最一致的边界条件出现。
•归属感仍然是最不被理解的基本心理需求。
•证据主要来自东亚的横截面研究。
引言
2022年11月ChatGPT的公开发布标志着生成式人工智能(GenAI)在高等教育中的应用达到了一个转折点,一方面引发了学生的即时兴趣,另一方面也引发了教育工作者的教学担忧(Alonso-Mu?oz和Casero-Ripollés,2026;Contractor和Reyes,2025)。在极短的时间内,GenAI从一项新兴技术演变为学术实践中的常规组成部分。例如,在一项研究中,93%的新闻学学生报告使用了GenAI,其中77.2%将其用于学习,44.2%将其用于完成课程作业(Alonso-Mu?oz & Casero-Ripollés,2026)。同样,美国一项基于大学的研究报告称,在ChatGPT发布后的两年内,采用率超过80%(Contractor & Reyes,2025)。来自更大样本的证据显示类似趋势,超过60%的中国大学生报告在2023–2024学年期间使用GenAI,主要用于学术目的而非日常用途(Guo等人,2025)。在其他环境中也记录到了类似的模式。利物浦调查中超过一半的学生要么已经使用,要么考虑使用GenAI用于学术目的(Johnston等人,2024),巴基斯坦51%的学生报告定期使用ChatGPT(Zafar等人,2024),学生普遍表达了强烈的意愿将继续将GenAI整合到他们的学习实践中(Chan & Hu,2023)。综合这些发现表明,GenAI已超越边缘创新的范畴,成为高等教育学习生态系统的重要组成部分(Contractor和Reyes,2025;Guo等人,2025;Zafar等人,2024)。
然而,更为重要的是,核心问题已不再仅仅是GenAI的采用范围有多广,而是这项技术如何塑造学生的心理学习体验。尽管2022年后的文献迅速扩展,但在学科间仍然分散,其特征是主要为描述性证据、小样本量和高度情境化的发现(Bai和Wang,2025;Guo等人,2025)。多项研究记录了GenAI使用的显著益处,包括增强自我效能感、学习动机、创造力、认知参与和学术表现(Bai和Wang,2025;Guo等人,2025;Shahzad等,2024;Zhang和Xu,2024)。基于自我决定理论(SDT)和人工智能素养的研究进一步表明,自主性、胜任感和归属感的满足与更有效的学习策略和更高的人工智能素养相关联(Wang等,2025)。与此同时,其他研究则强调了潜在风险,将GenAI使用与技术依赖、认知卸载、浅层学习、长期知识转移能力下降和自我调节能力减弱联系起来(Guo等,2025;Li等,2025;Zhang和Xu,2024)。综合来看,现有证据超越了单纯描述GenAI使用模式,表明GenAI可以同时在学生的学习体验中作为心理支持来源和心理脆弱性来源(Chan和Hu,2023;Guo等,2025)。
在此背景下,SDT提供了一个尤为合适的分析视角,因为它关注动机的质量以及支持或阻碍心理发展的社会条件。具体而言,SDT将个体概念化为天生积极、好奇并内在地趋向于学习、寻求挑战和问题解决(Deci & Ryan,1985)。然而,这些自然倾向是否得以实现,取决于自主性、胜任感和归属感这三个基本心理需求被满足的程度(Ryan和Deci,2000;Van den Broeck等,2016)。在SDT的更广泛框架内,基本心理需求理论专门探讨了这三个需求被支持或受挫的条件,认为需求满足和需求受挫并非单一连续谱的两端,而是具有不同前因和后果的独立心理体验(Ryan和Deci,2017;Vansteenkiste和Ryan,2013)。需求满足反映了自主性、胜任感和归属感被积极滋养的程度,而需求受挫则涉及对这些需求的主动破坏,表现为压力、能力不足和社会疏离等体验,而非仅仅是满足感的缺失(Vansteenkiste & Ryan,2013)。这一区分对当前综述具有直接意义,因为它表明GenAI使用可能同时支持和受挫同一个心理需求,而不是这些结果必然代表单一评价维度的两端。当这些需求得到满足时,学生更有可能表现出自主性动机、更深入的参与、更有效的学术表现和更高的心理幸福感(Deci,2016;Ryan和Deci,2020)。与主要强调技术接受度或其他外部决定因素的动机框架相比,SDT更能捕捉动机的质量而非仅仅强度,使其特别适合用于考察学生与GenAI的学习体验(Ryan和Deci,2020;Wang等,2025)。在AI支持的学习中,其相关性变得更加突出,因为最新证据表明学生对AI的参与动机受到自主性、胜任感和归属感满足的强烈影响(Li等,2025)。对当前综述更为重要的是,SDT为区分需求满足和需求受挫提供了概念基础,从而承认GenAI可能根据使用情境同时支持和受挫学生的基本心理需求(Ryan和Deci,2000;Ryan和Deci,2020)。
尽管考察GenAI、动机和基本心理需求的研究数量持续增长,但尚无系统性的证据映射将这些发现整合为对该领域连贯的理解。一些研究强调了GenAI的益处,包括自我效能感、参与度和学术表现的改善(Bai和Wang,2025;Shahzad等,2024),而另一些研究则强调了依赖、抄袭、认知外包和独立学习能力侵蚀等风险(Li等,2025)。即使采用了SDT,证据仍然分散,研究通常聚焦于特定方面如人工智能素养、AI学习动机或特定聊天机器人应用,而非提供跨研究综合来探讨GenAI是否一致地满足或受挫自主性、胜任感和归属感(Li等,2025;Wang等,2025)。文献进一步表明GenAI的心理后果高度依赖于使用情境和教学设计(Guo等,2025),这提出了一个可能性,即看似矛盾的发现可能反映了尚未通过证据综合识别的系统性模式。没有这样的综合,GenAI相关的益处和风险可能仅被视为方法学上的不一致,而它们可能实际上反映了可以通过SDT视角更连贯地解释的理论有意义模式(Guo等,2025;Li等,2025)。
鉴于上述情况,范围综述比传统的系统综述或正式meta分析更为合适,因为其首要目的是映射新兴且异质性领域中证据的广度、多样性和特征,而非评估单一干预的效果。2022年后的GenAI文献涵盖了广泛的研究设计,包括横截面调查(Chan和Hu,2023;Wang等,2025)、实验研究(Chiu等,2023;Li等,2025)、准实验设计(Li & Chiu,2025a)和两波纵向研究(Bai & Wang,2025)。术语和核心构念同样高度异质,研究分别考察了参与度、自我效能感、人工智能素养、依赖或过度依赖以及AI互动或输出的质量(Bai和Wang,2025;Shahzad等,2024;Wang等,2025;Zhang和Xu,2024)。此外,现有证据一致表明该领域仍处于早期发展阶段,其特点是实证证据有限且分散。目前的首要任务是澄清模式和情境条件,而非得出单一合并效应估计(Bai和Wang,2025;Guo等,2025)。因此,一种广泛的概念方法——包括那些未明确采用SDT但考察与需求满足和需求受挫概念相关构念的研究——更符合当前综述的探索性本质(Contractor和Reyes,2025;Wang等,2025;Zafar等,2024)。
基于以上论述,本综述旨在回答以下研究问题:目前已知的高等教育学生中GenAI使用与需求满足和需求受挫的关系是什么?更具体地说,本综述旨在映射现有文献的方法学特征,识别与自主性、胜任感和归属感相关的模式,并考察在哪些情境条件下GenAI使用似乎促进需求满足或导致需求受挫(Guo等,2025;Li等,2025;Wang等,2025)。此外,本综述力求识别现有证据基础中的缺口,这些缺口继续限制了对高等教育学生GenAI使用的心理影响的全面理解(Contractor和Reyes,2025;Wang等,2025)。本文其余部分将描述检索和综合方法,随后呈现结果、讨论、局限性和结论。
**部分片段**
**研究设计与报告框架**
本综述遵循Arksey和O'Malley(2005)最初提出的方法论框架进行范围综述,该框架随后由乔安娜·布里格斯研究所(JBI)进行了完善(Peters等,2020)。报告遵循《范围综述的PRISMA扩展指南》(PRISMA-ScR)(Tricco等,2018),而非PRISMA 2020声明,因为本综述的目的是映射现有证据的广度和性质,而非评估效应……
**纳入研究的特征**
附录A呈现了纳入研究的完整特征。这42项纳入研究发表于2024年至2026年间。年度发表分布反映了该研究领域的快速扩展,从2024年的4项研究增至2025年的16项研究和2026年的22项研究,超过一半的证据基础(52.4%)在最新一年内发表。这一趋势在图2中有所体现。
这42项纳入研究代表了21个国家,其显著……
**通过SDT视角解读发现:一个证据综合框架**
在这42项纳入研究中,综合证据揭示了一个表面悖论:GenAI使用不仅与基本心理需求满足相关,也与需求受挫相关,有时在同一心理构念中,甚至在同一研究中,如Kalimira和Jazayeri(2026)和Fang和Feng(2026)报告的依赖性悖论所示。这并非表明证据综合存在不一致,而是这一模式与……高度一致。
**本综述的局限性**
第一个局限性涉及主要研究的方法学特征及其对从本综述中可以得出的结论强度的影响。42项纳入研究中大部分采用了横截面或相关设计,而仅有两项研究采用了随机对照试验设计(Bauer等,2025;Zhang,2025)。因此,在结果和讨论中综合的模式——包括将教学设计识别为……
**对教学实践和机构政策的启示**
教学设计一致地作为最突出的边界条件出现的发现对教育实践具有直接意义,表明GenAI使用的结果更多取决于技术本身如何被构建、引导和整合到学习活动中(Melanou和Beege,2026;Wang等,2026;Xia等,2026;Zhang和Xu,2024)。由于将证据综合识别出的边界条件转化为可操作的实践……
**对未来研究的建议**
从当前证据基础中产生的最直接的研究优先事项是需要开展采用重复测量随时间进行的前瞻性纵向队列研究。此类研究应使用经过验证的基于SDT的量表,如基本心理需求满足与受挫量表(BPNSFS),在基线、AI支持学习期间……追踪本科和研究生跨越多个学年的情况,以评估需求满足和需求受挫……
**结论**
在本综述综合的42项研究中,高等教育中的GenAI使用最好被理解为对学生基本心理需求的依赖情境的影响,它能够同时满足和受挫同一个需求,这与SDT关于需求满足和需求受挫代表不同的、共存的维度而非单一连续谱两端的观点一致。
需求满意度,特别是关于CRediT作者贡献声明:Gilang Setiawan:撰写——审阅与编辑,撰写——原稿撰写,方法论,调查研究,形式分析,数据整理,概念构思。Gustaf Silvester Jacob:撰写——审阅与编辑,撰写——原稿撰写,方法论,调查研究,形式分析,数据整理。Nono Hery Yoenanto:撰写——审阅与编辑,验证,指导监督,方法论。
生成式AI及AI辅助技术使用声明:在本手稿的撰写过程中,作者使用ChatGPT(GPT-5.5,OpenAI)进行语言编辑,以改善语法、清晰度、连贯性和可读性。使用此工具后,作者对全文进行了仔细审阅并按需修订,并对出版内容承担全部责任。
资助声明:本工作由印度尼西亚共和国财政部下的Lembaga Pengelola Dana Pendidikan(LPDP)提供支持。
利益冲突声明:作者声明不存在任何已知的竞争经济利益或个人关系,这些利益或关系可能影响本文所报告的工作。
致谢:作者衷心感谢印度尼西亚共和国财政部下的Lembaga Pengelola Dana Pendidikan(LPDP)提供的资金支持。
Gilang Setiawan | Gustaf Silvester Jacob | Nono Hery Yoenanto
生物通微信公众号
生物通新浪微博
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