Not All Students Engage Alike: Multi-Institution Patterns in GenAI Tutor Use
本研究分析了来自十所机构、超过11,000名学生的去标识化交互日志，旨在识别不同的生成式人工智能（GenAI）导师参与模式，结果显示，浅层、复制粘贴的行为在选拔性较低的机构及某些学科的学生中更为普遍且持久，而深层参与在选拔性较高的机构学生中更为常见。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个巨大的图书馆，那里没有人类图书管理员，每个学生都可以通过手机拥有一个超级聪明、全天候待命的机器人导师。这个机器人可以回答问题、解释概念并协助完成作业。但这里有一个核心问题：学生们是真的在学习，还是仅仅在利用机器人走捷径来应付学业？
这篇题为《并非所有学生的参与方式都一样》（Not All Students Engage Alike）的论文，就像是一个巨大的监控摄像头（为了保护隐私，所有面部都进行了模糊处理），观察着 10 所不同大学的 11,000 名学生。研究人员想要精确了解这些学生在一个学期内是如何与他们的 AI 导师进行交流的。
以下是研究结果，通过简单的概念进行了拆解：
1. 学生与机器人交流的“四种方式”
研究人员不仅统计了学生点击按钮的次数，还观察了对话的“风格”。他们发现了四种截然不同的交互“人格”：
- 深度钻研者 (14%)： 这些学生把 AI 当作学习伙伴。他们会问“为什么？”以及“它是如何运作的？”他们进行长篇对话，写下自己的想法，并真正尝试理解材料。
- 捷径寻求者 (10%)： 这些学生把 AI 当作自动售货机。他们直接复制粘贴整个作业问题，立即索要答案，然后离开。这种方式很快，但他们并没有真正学习。
- 日常惯例者 (44%)： 这是最常见的群体。他们在白天使用 AI，可能是在上课期间或做日常作业时。他们通过提问来理解概念，但不会像“深度钻研者”那样深入。
- 考前突击者 (31%)： 这些学生在学期的大部分时间里都很安静，但在考试前夕会进入“超负荷”状态。他们专门利用 AI 来准备考试。
2. “习惯循环”（学生如何随时间变化）
研究中最有趣的部分是观察学生如何在这些群体之间随时间移动。
- “固化”习惯： 如果一名学生以“捷径寻求者”（复制粘贴）开始，他们往往会保持为“捷径寻求者”。这就像一种坏习惯；一旦你开始选择简单的路，就很难转向努力学习。
- “灵活”习惯： 那些以“深度钻研者”或“日常惯例者”身份开始的学生则更加灵活。他们可能会在整个学期里努力学习，然后在考试前切换到“突击”模式，然后再回到学习状态。他们知道如何将这个工具用于不同的任务。
3. “学校类型”与“学科”的差异
研究人员注意到，你所在的学校以及你所学的专业会改变你使用机器人的方式。
- 精英学校 vs 其他学校： 就读于高度选拔性（精英型）大学的学生更有可能成为“深度钻研者”或“日常惯例者”。他们利用 AI 进行日常学习。而就读于选拔性较低学校的学生更有可能成为“考前突击者”，主要利用 AI 来度过考试周。
- 科学 vs 非科学：
- 科学（STEM）专业的学生通常用于解决快速、具体的问题（如数学方程），然后继续下一步。
- 非科学专业的学生则更有可能将 AI 用于大型、开放式的项目，尤其是在考试临近的时候。
4. 核心结论：不在于“谁”在使用，而在于“如何”使用
一个普遍的担忧是，只有名校或聪明的学生才会很好地使用 AI。这项研究表明，事实并非完全如此。各种类型的学校都有学生在使用这个工具。
真正的区别在于交互的“质量”。
- 有些学生利用 AI 来学习（深度钻研）。
- 有些人利用 AI 来绕过学习（捷径寻求）。
- 危险不在于学生拥有这个工具，而在于一旦他们陷入“捷径”习惯，很少能靠自己爬出来。
总结
把生成式 AI 导师想象成一家健身房。
- 有些人去健身房是为了举重来锻炼肌肉（深度参与）。
- 有些人去健身房只是为了坐在跑步机上刷手机（浅层参与）。
研究显示，如果你去健身房只是为了坐在跑步机上，你可能会一直那样下去。但如果你开始举重，你之后可能会混合进行有氧运动。
研究人员得出结论，我们不能只看有多少学生在使用 AI，我们必须看他们是如何使用的。如果我们希望 AI 助力教育，我们需要帮助学生避免“捷径”习惯，并鼓励“深度钻研”习惯，尤其是在临近考试的时候。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。