Tracing GenAI Literacy: Uncovering Student-AI Interaction Patterns in Academic Writing through Epistemic Network Analysis
本研究利用学习分析（Learning Analytics）和认识网络分析（Epistemic Network Analysis）对162名学生的交互日志进行研究，旨在证明生成式人工智能（GenAI）素养可以通过独特的提问模式（例如迭代优化与直接指令）得到有效表征，从而为传统的自我报告式评估提供一种数据驱动的替代方案。
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，你正在试图教一班学生如何撰写研究摘要，但你给了他们一个超级聪明、具有魔力的机器人助手（生成式人工智能）来提供帮助。核心问题不在于他们是否可以使用这个机器人，而在于他们如何与它交流。他们是将机器人视为一个吐出答案的自动售货机，还是将其视为一个可以进行辩论并完善想法的思想伙伴？
这篇文章就像是一个侦探故事，研究人员（来自北京大学的陈安轩和贾继友）试图通过观察 162 名大学生实际上是如何与机器人互动的，而不是仅仅询问他们“你使用 AI 的能力有多强？”来解开“AI 素养”的谜团。
以下是他们调查的详细分解：
问题所在：“假装会，直到真会”的陷阱
通常，学校会让学生填写调查问卷：“在 1 到 10 分的量表上，你使用 AI 的水平如何？”研究人员意识到，这就像是在问一名司机：“你会开车吗？”然后就直接相信他们的话。这并不能告诉你他们是否知道如何汇入高速公路，或者他们只是以为自己知道。
研究人员想要看到的是实际的驾驶过程，而不只是驾驶员的自信心。他们想要观察学生在撰写论文摘要时使用 AI 的“过程”。
实验设置：一个严格的游乐场
为了获得真实的数据，研究人员设置了一个复杂的游戏：
- 任务： 学生必须撰写一段学术摘要。
- 工具： 他们使用了一个连接到强大 AI（DeepSeek）的定制平台。
- 规则： 学生不能直接复制粘贴 AI 生成的内容。他们必须输入短提示词（少于 30 个单词），并且系统强制要求他们必须不断地与 AI 进行对话才能得到最终结果。这意味着他们必须保持对话的持续进行。
侦探工具：“认识论网络分析”（ENA）
为了理解学生的行为，研究人员使用了一种特殊的工具——认识论网络分析（Epistemic Network Analysis, ENA）。
把 ENA 想象成一张舞池地图。
- ENA 不仅仅是计算学生提了多少个问题（就像数步数一样），它还会观察动作之间的连接。
- 它会在学生紧接着做的动作之间画线。例如，他们是先请求一个事实，然后立即要求进行修正吗？或者他们是请求一个草稿，然后请求优化，接着又请求澄清吗？
- 这创造了一个视觉化的“签名”或“指纹”，展示了他们在与 AI 交谈时大脑是如何运作的。
研究发现：两种截然不同的舞者
当研究人员观察这些“舞池地图”时，他们根据学生的 AI 素养水平看到了两种完全不同的互动风格：
1. 低素养组（“自动售货机”使用者）
- 模式： 这些学生主要将 AI 视为搜索引擎或自动售货机。
- 动作： 他们会说，“为我写这个”（生成指令），如果结果很奇怪，他们就会问，“这是真的吗？”（事实检查）。
- 隐喻： 想象一个人点了一个汉堡，咬了一口，如果味道不好，立刻问厨师：“你是不是放错了配料？”他们是在对输出结果做出反应，而不是在引导过程。他们依赖 AI 来完成繁重的工作，并且只检查结果是否“真实”。
2. 高素养组（“共同作者”使用者）
- 模式： 这些学生将 AI 视为思想伙伴或共同作者。
- 动作： 他们会说，“让这个句子听起来更具学术性”（改进），然后问，“这个术语到底是什么意思？”（澄清），接着问，“下次我该如何向你提问以获得更好的结果呢？”（元指令）。
- 隐喻： 想象一位主厨和一位副厨。主厨说：“我们试试用不同的调料，”然后问：“这种香料会对风味产生什么影响？”接着问：“我们该如何向香料架索取最完美的用量？”他们处于一个**“意义构建 完善”**的循环中。他们不断地进行微调、质疑并改进工作。
结论：关键在于对话，而非分数
研究人员发现，这两组人不仅仅是在测试中得分不同；他们在利用工具时有着根本不同的思维方式。
- 低素养看起来像是一场交易：“我给你一个指令，你给我一个结果。”
- 高素养看起来像是一场协作：“我给你一个想法，我们共同完善它，并且我学会了如何提出更好的问题。”
论文得出结论，我们不能仅仅依靠调查问卷来判断一个人是否具备“AI 素养”。相反，我们可以通过观察他们的“舞步”（他们的交互日志）来观察他们是在机械地按按钮，还是在进行批判性思考。这有助于教育工作者理解，真正的 AI 素养不在于了解工具的名字，而在于你如何构建与工具的对话，从而实现学习与创造。
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。