Structured AI Demonstrations and Student LLM Use in Engineering Mechanics: Study Design and Preliminary Results
本文介绍了一项来自 2026 年春季工程力学课程的研究设计与初步发现，该研究引入了一个由九个由讲师引导的 AI 演示构成的结构化框架，以及一个可复现的调查工具，旨在实证研究学生对大语言模型（LLM）的使用模式、态度及其对学业表现的影响。
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，教室就像一个巨大且繁忙的工作坊，学生们正在学习建造复杂的机器。几十年来，这个工作坊里的工具是教科书、计算器和一位在周围走动并提供提示的老师。但最近，一种新型的“超级助手”来到了这里：大语言模型（LLMs）。把它们想象成极其快速、健谈的机器人，它们几乎能读完所有的书，也能写出几乎所有的句子。它们就像一个可以瞬间回答你作业问题的精灵，但有一个陷阱：有时这个精灵会算错数学题，或者编造一些听起来很真实但并非事实的内容。
现在老师们面临的大问题是：我们是该禁止这个精灵，还是教学生如何在不让它代替自己思考的前提下与它协作？这有点像教人开车。你不希望他们只是坐在副驾驶位上看着车自己开，但你也不希望因为他们不知道刹车怎么用而导致撞车。这篇论文是一群工程师的报告，他们决定停止猜测，开始观察。他们在一个大学工程课上设置了一个特别的实验，旨在观察学生究竟是如何使用这些人工智能工具的，他们是否在检查这些工作，以及向他们展示“如何”使用这些工具是否会改变他们的学习方式。
实验：AI 观察期
在 2026 年春季，波士顿大学的研究人员决定窥探一门名为“工程力学”的硬核工程课背后的真相。这是一门学生需要学习如何防止桥梁坍塌或建筑倾倒的课程。它非常强调数学、图表和逻辑。研究人员想知道三件事：学生实际上是如何使用 AI 的？使用 AI 是有助于还是损害了他们的成绩？以及，如果教师提供一系列关于如何明智使用 AI 的短期、结构化课程，是否会改变学生的行为？
为了找出答案，他们将班级分为两组。一组（“干预”组）在整个学期中接受了九次特别的、时长 15 分钟的小型课程。这些不仅仅是讲座；它们是现场演示，老师向学生展示如何将 AI 作为“苏格拉底式导师”（一个通过提问而非直接给出答案的机器人）、如何利用它来编写计算机程序，以及如何测试 AI 是否在撒谎。另一组则照常进行他们的学习。
研究人员随后要求学生在学期初和学期末填写调查问卷，要求他们诚实地说明使用 AI 的频率、对 AI 的看法以及他们如何检查 AI 的正确性。他们还查看了学生在课堂上（不使用手机或互联网）进行的期中考试成绩，以观察 AI 使用习惯是否与他们对知识的理解程度相匹配。
发现：从“未经核实的利用”到“检查”
数据讲述的故事有点像观察一群孩子如何摸索一款新的电子游戏。在学期开始时，大约有三分之一的学生表示他们从未针对这门特定的课程使用过 AI。到学期结束时，这个数字几乎降到了零。每个人都在使用它。
但他们使用的方式发生了变化。
- “自主尝试”的转变： 在开始阶段，大多数学生表示他们会先尝试自己解决问题，然后再使用 AI 来检查答案或在卡壳时寻求帮助。到学期结束时，这仍然是最受欢迎的方法，但出现了一个新趋势：越来越多的学生开始在工作过程中利用 AI 进行逐步引导，而不仅仅是在最后阶段。
- “信任”问题： 尽管学生们使用 AI 的频率增加了，但他们并没有盲目信任它。事实上，数据表明他们变得更加谨慎了。更多学生报告说，他们正积极地根据教科书核对 AI 的工作，或者通过重新解题来确保机器人没有产生“幻觉”。
- “成绩”之谜： 这里情况变得复杂了。研究人员发现了一个模式：那些原本就在挣扎中的学生（班级底部的 25%）在学期伊始就最频繁地在这一特定课程中使用 AI。顶尖学生的使用频率最低。然而，论文非常谨慎地指出，这并不证明 AI 导致 了低分。同样有可能的情况是，落后学生转向 AI 是因为他们需要帮助，或者过度依赖 AI 阻碍了他们通过练习来提高水平。这项研究无法确定因果关系的方向。
教训：老师的演示有效吗？
这九节小型课程旨在展示如何成为 AI 的“聪明使用者”。结果喜忧参半，就像一场音乐会，一半观众很喜欢演出，另一半则觉得是在浪费时间。
- 好的方面： 许多学生表示，这些课程帮助他们理解了如何将 AI 应用于特定的项目，例如建造一座桁架桥。他们喜欢看到如何让 AI 扮演一个提问而非直接给答案的导师。
- 坏的方面： 大量学生认为这些课程是“冗余的”（他们已经掌握了相关知识）或“缺乏实用性”（他们看不出这对做作业有什么帮助）。有些人觉得时机不对；例如，在学生还没完全理解项目背后的数学原理之前，就进行了一节关于构建计算机界面的课程，这让他们感到困惑。
- 结论： 这些课程并没有奇迹般地让每个人都能完美地使用 AI。相反，它们凸显了学生起点差异巨大的事实。有些人已经准备好将 AI 作为强大的工具，而另一些人还在摸索基础知识。研究人员指出，为了让未来的课程更有效，需要将这些课程与学生每周实际进行的作业和考试结合得更加紧密。
大局观：一个进行中的课题
这篇论文最重要的收获不是一个最终答案，而是一种看待问题的新方式。研究人员发现，在工程课上，AI 不再是一个“可能”，而是一个“肯定”。学生正在使用它，并且是以复杂的方式在使用——有时是为了学习，有时是为了绕过独立思考，有时则介于两者之间。
研究表明，仅仅禁止 AI 是不可能的，因为它已经深深植根于学生的工作方式之中。但仅仅让他们自由发挥也是危险的，因为他们可能会因此无法掌握核心技能。“中间道路”似乎是教导学生如何验证 AI 的工作，以及如何将其作为合作伙伴而非替代品。
然而，作者对自己的发现表现得非常谦逊。他们承认这项研究规模较小（只有约 100 名学生），并且无法证明课程本身导致了任何特定的变化。他们将这项工作描述为“初步快照”——对一个快速移动目标的初步观察。随着 AI 工具变得越来越聪明，学生也变得越来越熟练，游戏的规则也将不断改变。这篇论文的主要目标是提供一个工具包（包括调查问卷和课程计划），以便其他教师可以开展自己的实验，并共同探索在人工智能时代的机器人精灵时代，如何更好地教授工程学。
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。