💻 computer science

To Use or Not to Use: Investigating Student Perceptions of Faculty Generative AI Usage in Higher Education

该研究通过分析 156 名大学生的调查数据，揭示了学生对教师使用生成式 AI 的复杂态度，发现近四成学生持反对立场，且主要担忧集中在生成内容的可靠性以及教师过度依赖 AI 可能削弱其批判性思维等教学与评估层面的问题。

原作者： Jie Gao, Jiayi Zhang, Dan Chen

发布于 2026-03-30

📖 1 分钟阅读☕ 轻松阅读

原作者： Jie Gao, Jiayi Zhang, Dan Chen

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

这篇论文就像是在做一场**“教育界的家庭会议”，只不过参会的只有学生，而讨论的焦点是：“当老师也开始用 AI（人工智能）来上课和改作业时，学生们心里到底是怎么想的？”**

以前大家总担心学生偷懒用 AI 写作业，但这篇研究把目光转向了另一边：如果老师用 AI，学生买账吗？

为了让你更轻松地理解，我们可以把整个研究想象成**“餐厅里的点餐风波”**。

1. 核心冲突：双标还是合理？

想象一下，你是一家餐厅的常客（学生）。

以前大家担心的： 你偷偷用“自动点餐机器人”帮自己选菜，怕被老板（学校）抓。
这篇论文问的： 如果**厨师（老师）**也开始用“自动炒菜机器人”来给你做饭，甚至用“自动评分器”来给你的吃相打分，你会怎么想？

研究发现，学生们的心态非常**“分裂”**，就像餐厅里的食客分成了四派：

🌟 乐观派 (31%)： “太棒了！不管是自己用机器人选菜，还是让厨师用机器人炒菜，我都支持！效率第一！”
🙅‍♂️ 坚决反对派 (37%)： “不行！不管是自己还是老师，谁用 AI 都不行。我要真人的味道，不要机器味。”
⚖️ 双重标准派 (26%)： “我自己用机器人选菜没问题（因为我想偷懒/求快），但老师必须亲自炒菜！老师要是用机器人，那就是在偷懒，不尊重我们。”
🤔 奇怪的反向派 (少数)： “我自己不能用，但老师可以用。”（这部分人很少，可能是觉得老师用 AI 能帮他们把关，但自己用就是作弊。）

结论是： 学生们对“自己用”和“老师用”的态度存在巨大的**“双重标准”**。大家普遍觉得：老师用 AI 改作业或讲课，比学生用 AI 写作业更让人难以接受。

2. 学生们为什么对老师用 AI 这么警惕？

研究人员问了大家：“如果老师用 AI，你最担心什么？”大家的回答可以归纳为四大“恐惧”，我们可以用**“驾驶汽车”**来打比方：

🛑 恐惧一：老师变“懒”了 (职业担忧)

比喻： 就像你雇了一个司机，结果他全程都在看手机，让自动驾驶仪自己开。
学生心声： “老师用 AI 备课或讲课，是不是因为太懒了？是不是对教学没热情了？感觉老师不再真心投入，只是把任务丢给机器。”

🤥 恐惧二：机器会“胡说八道” (质量担忧)

比喻： 自动驾驶仪有时候会把“红灯”识别成“绿灯”，或者把“学校”导航到“大海”里。
学生心声： 79% 的学生担心 AI 会**“幻觉”**（一本正经地胡说八道）。如果老师用 AI 改作业，万一 AI 把对的判成错的，或者教了错误的知识，谁来负责？

🧠 恐惧三：大脑会“生锈” (教学担忧)

比喻： 如果司机全程依赖自动驾驶，他很快就会忘记怎么开车，甚至忘了路在何方。
学生心声： 这是最多人担心的一点（37%）。学生们怕老师过度依赖 AI，会导致老师自己的批判性思维退化。如果老师都懒得思考了，那学生还能学到什么？教学会变得千篇一律，失去灵魂。

⚖️ 恐惧四：会有“黑箱”和“偏见” (伦理担忧)

比喻： 自动驾驶仪的算法是黑箱，你不知道它为什么决定撞向左边而不是右边，而且它可能带有某种偏见。
学生心声： 担心 AI 会有偏见（比如对某些学生不公平），或者泄露隐私，甚至引发新的作弊和抄袭问题。

3. 这篇研究告诉我们什么？

这就好比餐厅老板（学校管理者）发现，不能简单地认为“学生喜欢 AI，所以老师用 AI 也没问题”。

学生不是铁板一块： 他们有的支持，有的反对，有的“双标”。
核心矛盾不在技术，而在“人”： 学生最在意的不是 AI 聪不聪明，而是老师是否还在场。他们担心老师把“育人”的责任甩锅给机器，导致教育变得冷冰冰、没深度。
未来的路： 学校如果想推广 AI，不能只盯着“怎么管学生”，更要听听学生怎么说。老师如果用 AI，必须让学生看到：AI 只是助手，老师依然是那个掌握方向盘、关心学生成长的“老司机”。

一句话总结：
学生们不排斥 AI，但他们拒绝“甩手掌柜”式的老师。他们希望老师用 AI 是为了更好地教，而不是为了偷懒；他们担心如果老师都依赖 AI，教育就会变成一场没有灵魂的“机器流水线”。

这是一份关于论文《To Use or Not to Use: Investigating Student Perceptions of Faculty Generative AI Usage in Higher Education》（用还是不用：调查高等教育中学生对教师使用生成式人工智能的看法）的详细技术总结。

1. 研究背景与问题 (Problem)

随着生成式人工智能（GenAI，如 ChatGLLM）在高等教育中的快速普及，现有研究主要集中在监管学生使用GenAI 的行为上。然而，关于学生对教师采用 GenAI（用于教学、课程设计和评估/评分）的看法却鲜有探讨。

核心问题：学生对自己使用 GenAI 辅助学习与对教师使用 GenAI 辅助教学和评分的态度是否存在不对称性（Asymmetry）？
研究缺口：缺乏对学生如何看待教师使用 GenAI 的具体担忧（如教学法、伦理、信任度）的实证分析。
研究目标：通过区分“学生使用”和“教师使用”两个场景，探究学生的态度差异及其背后的驱动因素。

2. 方法论 (Methodology)

数据来源：研究使用了哈佛大学 Dataverse 上的一个公开数据集，该数据来自一项匿名在线调查。
样本：筛选出 156 名完成调查的本科生和研究生（N=156）。参与者来自美国、加拿大、英国、澳大利亚和法国等多国高校，专业涵盖艺术、商科、计算机、工程、医学等。
数据收集：
- 定量部分：通过四个关键问题评估态度：
  1. 教师是否应在教学中使用 GenAI？
  2. 教师是否应使用 GenAI 评分？
  3. 学生是否应在作业中使用 GenAI？
  4. 对教师使用 GenAI 的担忧（开放式问题）。
- 定性部分：针对开放式问题“你对教师使用生成式 AI 有什么担忧？”收集文本数据。
分析技术：
1. McNemar 检验：用于比较成对的名义数据，检验学生对“自己使用”和“教师使用”的态度是否存在统计学上的显著差异。
2. 聚类分析：根据对“学生使用”和“教师使用”的支持/反对态度，将学生分为四类群体。
3. 主题分析 (Thematic Analysis)：对 130 名（83.3%）提供有效反馈的学生的开放式回答进行编码，归纳出四大担忧主题。编码一致性达到约 92%。

3. 关键贡献 (Key Contributions)

视角转换：将研究焦点从“如何监管学生”转向“学生如何看待教师使用 GenAI"，填补了该领域的文献空白。
态度分类模型：提出了基于学生态度的四类细分群体模型，揭示了学生群体内部的异质性，打破了简单的“支持/反对”二元对立。
揭示不对称性：实证证明了学生在接受度上存在显著的“双重标准”（即更倾向于自己使用，而反对教师使用）。
担忧维度框架：构建了针对教师使用 GenAI 的四大担忧主题框架（专业、质量、教学法、伦理），为后续政策制定提供了理论依据。

4. 主要结果 (Results)

4.1 态度不对称性 (RQ1)

统计显著性：McNemar 检验显示，学生对自身使用与教师使用 GenAI 的态度存在显著差异（ $\chi^2 = 16.820, p < .001$ $χ^{2} = 16.820, p < .001$ ）。
- 56.4% 的学生支持自己在作业中使用 GenAI。
- 仅 37.2% 的学生支持教师使用 GenAI 进行评分。
四类学生群体分布：
1. GenAI 乐观者 (GenAI Optimists, 30.8%)：同时支持学生和教师使用。
2. 学生支持组 (Student Support Group, 25.6%)：支持自己使用，但反对教师使用（体现了明显的不对称性）。
3. 教师支持组 (Faculty Support Group, 少数)：反对自己使用，但支持教师使用。
4. 非支持者 (Non-supporters, 37.2%)：同时反对学生和教师使用。

4.2 主要担忧主题 (RQ2)

通过对开放式回答的主题分析，归纳出四大担忧（按提及频率排序）：

教学法担忧 (Pedagogical Concern, 37%, N=46)：
- 核心观点：最普遍的担忧。学生担心教师过度依赖 GenAI 会削弱其批判性思维能力，导致教学质量下降，减少个性化互动，并阻碍学生的创造力和深度学习。
- 关键词：批判性思维退化、缺乏个性、教学深度降低。
GenAI 质量担忧 (GenAI Quality Concern, 21.8%, N=27)：
- 核心观点：79% 提及此类的学生担心 GenAI 输出的准确性、有效性和可靠性问题（如幻觉、错误信息、评分不公）。
- 关键词：幻觉 (Hallucinations)、错误信息、评分不准。
专业担忧 (Professional Concern, 21%, N=26)：
- 核心观点：认为教师使用 GenAI 是职业懈怠的表现，缺乏教学热情，导致师生连接减弱。
- 关键词：懒惰、缺乏投入、推卸责任。
伦理担忧 (Ethical Concern, 部分提及)：
- 核心观点：涉及学术诚信（抄袭）、偏见和数据隐私问题。

5. 意义与启示 (Significance)

对高等教育机构的启示：
- 在推行 GenAI 政策时，不能仅关注学生端，必须重视教师端的透明度。
- 学生并非完全排斥 GenAI，而是对角色敏感性（Role-sensitive）有强烈要求。他们担心教师使用 AI 会损害教育的人文关怀和批判性思维培养。
政策建议：
- 机构在引入 GenAI 辅助教学和评分时，应明确人类教师的参与度和问责制，以缓解学生对“机器替代人”的焦虑。
- 需要建立机制确保 GenAI 输出内容的准确性和公平性，特别是涉及评分环节。
未来研究方向：
- 需要进一步探究造成这种态度不对称的深层原因（如制度、社会或个人因素）。
- 追踪学生态度随时间推移的演变，以及不同实施策略如何影响信任度。

总结：该研究揭示了高等教育中 GenAI 应用的一个关键矛盾：学生普遍接受将其作为学习辅助工具，但对教师将其用于核心教学评估持保留态度，主要源于对教学质量、教师专业精神和 AI 可靠性的担忧。这提示教育者在整合 AI 技术时，必须优先考虑教学法的有效性和人文价值的保留。