AI Receptivity or AI Adoption Breadth? A Tool-Specific Reanalysis of the Lower-Literacy/Higher-Usage Link
通过对 Tully 等人（2025年）公开数据的重新分析，本研究表明，所报道的较低 AI 素养与较高 AI 接受度之间的联系并非普遍现象，而是一种特定模式，即较低的素养预示着非文本类 AI 工具更广泛的应用，而与基于文本的 AI 使用率之间则没有显著关联。
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
想象一下有一项研究声称：“对汽车引擎原理了解越少的人，实际上反而更有可能开车。”原始研究人员在综合观察所有驾驶习惯时发现，这一结论确实成立。
这篇新论文就像一位技工来到同一项研究面前，说道：“等等。让我们仔细看看他们到底在进行什么样的‘驾驶’。”
作者 Hristo Inouzhe 拿到了原始数据，并将这些不同的“驾驶”行为拆分为两个截然不同的类别：
- “超级高速公路”（文本 AI）： 像 ChatGPT 这样为你写作的工具。这些工具非常受欢迎；几乎每个人都尝试过，且人们经常使用它们。
- “越野小径”（非文本 AI）： 这些是生成图像、构建网站或管理健康应用的工具。它们要新得多，也陌生得多；大多数人甚至从未尝试过。
以下是作者利用简单的类比所进行的重新分析结果：
1. “平均值”掩盖了真相
原始研究将所有这些不同工具的答案合并成一个总分，就像把红、蓝、黄三种颜料混合在一起变成了一种浑浊的棕色。他们看到了一个清晰的模式：知识水平越低 = 使用频率越高。
但作者认为，把这些颜料混合在一起掩盖了它们其实颜色迥异的事实。当你把“文本 AI”的颜料和“非文本 AI”的颜料分开时，画面完全改变了。
2. “文本 AI”的结果：平坦的道路
当仅观察写作助手（如 ChatGPT）时，低知识水平与高使用率之间的联系几乎消失了。
- 类比： 想象一条平坦的公路。无论你是驾驶专家还是完全的初学者，在这条特定的公路上，你驾驶汽车的可能性都是一样的。了解引擎如何工作，并不会改变你在执行这项特定任务时是否决定上车。
3. “非文本 AI”的结果：陡峭的山坡
当观察其他工具（图像生成器、健康应用等）时，原始研究中的模式非常强烈，但带有一个转折。
- 类比： 想象一座陡峭的山坡。知识水平较低的人更有可能迈出一步，尝试这些工具。而知识水平较高的人则更有可能停留在山脚下，并说：“我从未尝试过那个。”
- 关键点： 研究表明，低知识水平的人更有可能去“尝试”这些工具（采用），但这并不证明一旦开始使用，他们就会使用得“更频繁”或“更深入”（强度）。这就像是买一张主题公园门票（尝试）与每天把每一台过山车都玩五遍（高强度使用）之间的区别。低知识群体更擅长买票，而不是更擅长玩游戏。
核心结论
原研究声称：“对 AI 了解越少的人，通常对使用 AI 越开放。”
这篇论文指出：“这只是故事的一半。更准确的说法应该是：对 AI 了解越少的人，越有可能尝试那些更新、更奇特、更陌生的 AI 工具。”
当涉及到人们已经熟悉并使用的工具（如写作助手）时，了解更多或更少的 AI 知识，并不会改变人们是否使用它们。只有当工具是某种全新的、不熟悉的东西（如图片生成器或健康机器人）时，AI 的“魔力”似乎才会吸引那些知识匮乏的群体。
简而言之： 原研究看到的是一群向一栋建筑走去的人。这篇论文指出，这群人实际上是两个不同的群体：一组人是因为热爱这座建筑而走进去（文本 AI），而另一组人则是因为对从未见过的奇特新门感到好奇而走进去（非文本 AI）。正是这个“好奇心”群体，是由低知识水平驱动的，而非“热爱”群体。
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。