Faculty Orientations Shape Adoption of AI in Research and Teaching
这项针对 90 名 STEM 领域教师的混合方法研究表明，一种特定的“人工智能教学取向”——即关于人工智能在学科思维与专业能力发展中作用的信念——比制度背景、人口统计特征或一般态度更能预测人工智能在研究与教学中的采纳，这表明在人工智能直接介入知识生产的语境下，现有的技术采纳模型可能并不充分。
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
想象一下，有一群由 90 名科学教授（来自物理学、化学和天文学领域）组成的群体，他们以率先采用新教学方法而闻名。他们就像是学术界的“精通技术的邻居”。研究人员向他们提出了一个简单的问题：“你们是如何在工作（教学或研究）中使用人工智能（AI）的，又是出于什么原因？”
这篇论文的主要发现是，答案并不在于他们是否拥有 AI 的访问权限，也不在于他们是否认为 AI“很酷”。相反，关键在于他们如何看待 AI 在思维过程本身中所扮演的角色。
以下是他们研究发现的分解，使用了简单的类比：
1. “工具 vs. 伙伴”的分野
研究人员发现，教授们主要分为两大阵营，这并非基于他们是否喜欢AI，而是基于他们认为 AI 如何融入其思维工作流程。
“将 AI 视为思维伙伴”的群体：
这些教授将 AI 视为副驾驶或陪练对手。他们利用 AI 来头脑风暴、调试代码或起草大纲。对他们而言，AI 就像复杂思维的计算器。他们相信 AI 可以处理思维中“枯燥”的部分，从而让他们专注于深层、富有创造性的部分。尽管他们担心 AI 可能会犯错，但他们将这些风险视为需要管理的问题，而不是停止使用它的理由。- 隐喻： 他们将 AI 视为健身房里的保护者（Spotter）。保护者帮助你更安全地举起更重的重量（完成更多工作），但你仍然必须亲自进行举重。
“将 AI 视为捷径”的群体：
这些教授将 AI 视为拐杖或快进按钮，它会跳过学习过程中必要的挣扎。他们担心，如果学生（或他们自己）利用 AI 快速获取答案，就会错过大脑中那些只有在缓慢、艰难的思维过程中才会被激活的“深度神经网络”。对他们而言，AI 就像点餐而不是自己烹饪；你得到了结果，但没有学会食谱或技能。- 隐喻： 他们将 AI 视为电子游戏中的作弊码。它能带你到达终点，但你从未真正玩过游戏，也没有建立起独自获胜所需的技能。
2. 什么没有起作用（令人惊讶的部分）
研究人员原本预期某些因素会推动 AI 的采用，但他们发现这些因素的作用出奇地微弱：
- 机构规则： 大学是否拥有新颖的 AI 政策或学位项目，并没有真正改变教授使用 AI 的程度。
- 访问权限： 拥有“最好”的工具或知道在哪里找到它们，并不是决定因素。
- 人口统计学特征： 教授是年轻还是年长，是在小型学院还是大型研究型大学工作，或是教授物理还是化学，这些都无关紧要。
类比： 想象健身房里的两个人。一个人有私人教练、全新的器械和会员卡（机构支持）。另一个人只有一张旧长凳，没有教练。你可能会预期第一个人锻炼得更多。但在这项研究中，锻炼最多的人仅仅是那个坚信锻炼对其身份至关重要的人，无论他们拥有什么设备。
3. “导向”概念
这篇论文创造了一个术语，称为"AI 教学导向"。你可以将其想象为一个指南针，指向两个方向之一：
- 北方（支持整合）： "AI 是一种工具，如果我们谨慎使用，它能帮助我们更好地思考。”
- 南方（支持谨慎）： "AI 是一种工具，如果我们过度依赖它，可能会阻碍我们深入思考。”
研究发现，这个指南针是教授是否在其研究或教学中实际使用 AI 的最强预测指标。如果你的指南针指向北方，你就会使用 AI。如果指向南方，你就不会使用，即使你拥有与指向北方者相同的工具。
4. “中间地带”的现实
值得注意的是，没有人是 100% 支持或 100% 反对的。
- 即使是使用 AI 最多的教授也对其表示担忧。他们知道 AI 可能会撒谎（产生幻觉）或让学生变得懒惰。但他们仍然决定谨慎地使用它。
- 即使是使用 AI 最少的教授也承认它有一些潜在用途，但他们认为其对深度学习的风险太高。
核心结论
该论文得出结论，我们不能仅仅把 AI 工具交给教授们，然后说：“来，用这个！”或者通过一条规定说：“你必须使用这个。”
真正的驱动力是哲学。在教授使用 AI 之前，他们必须回答一个深刻的问题：“这个工具是帮助我们像科学家一样思考，还是完全取代了思维过程？” 他们对这个问题的回答决定了一切。
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。