Pedagogical readiness in a structural equation model of generative artificial intelligence use and cognitive offloading among preservice teachers
这项研究表明，在职前教师中，生成式人工智能的使用主要由绩效预期所驱动并导致认知卸载，而教学准备度（AI-TPACK 自我效能感）虽然增加了绩效预期，却未能减少对高认知需求任务对人工智能的依赖，这强调了教师教育项目需要将明确的制度规则与元认知人工智能素养相结合。
原始论文采用 CC BY 4.0 许可（https://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
在现代课堂中，一种新型的助手已经到来，它可以在几秒钟内撰写论文、解决问题并解释复杂的概念。这种被称为生成式人工智能的技术，改变了学生对待学业的方式。对许多人来说，它是一个强大的捷径，让他们能够更快地完成任务，或以较少的挣扎来理解困难的概念。然而，这种便利性也伴随着代价。当学生过度依赖工具来代替自己思考时，他们面临着跳过真正学习所需的脑力投入的风险。这种现象被称为“认知卸载”（cognitive offloading）：即把任务的思维工作转移到外部设备上的行为。虽然这可以作为管理沉重工作量的一种聪明策略，但如果它取代了掌握学科知识所需的深度思考，就会变得成问题。
这一问题对于正在接受教师培训的人员来说尤为关键。这些未来的教育者不仅仅是使用这些工具的学生；他们最终也将是决定如何向自己的学生教授这些工具的人。他们面临着双重挑战：他们既要学会如何有效地将技术用于自身的学习，同时又要思考如何引导未来的学生负责任地使用它。研究人员的问题不仅在于这些未来的教师是否在使用这项技术，还在于他们为什么要使用它，他们认为哪些规则是安全的，以及他们对使用该技术的信心是否会改变他们对自身学习的依赖程度。
捷克共和国马萨里克大学的一个研究小组致力于了解近七百名接受教师培训的学生中的这些动态关系。他们想看看人们通常采用新技术的理由（例如易用性，或同伴和教授施加的压力）是否真的驱动了人工智能的使用。他们还想知道，大学明确的规则是否让学生在承认使用该工具时感到更加安全，以及对使用该技术的教学准备感是否能阻止学生将其作为自身思考的拐杖。
研究人员收集了来自不同阶段教师培训阶段（从学士学位到高级硕士课程）的数据。他们详细询问了学生使用生成式人工智能的频率、将其用于哪些任务，以及他们对使用规则的看法。他们特别观察了学生是否认为大学有明确的指导方针，以及他们是否觉得在承认使用该工具时不会担心受到惩罚。他们还衡量了学生在利用技术进行教学方面的信心（一种被称为“教学准备度”的技能集），并将其与他们让工具接管自身思维工作的频率进行了对比。
结果揭示了一个几乎完全由效率驱动的故事。学生使用该技术的最强有力理由仅仅是它让他们的工作变得更快、更有效。研究人员发现，相信该工具能帮助自己获得更好的结果，是预测其使用频率的最重要因素。令人惊讶的是，其他通常会影响技术采用的因素——如工具的操作简易度、来自朋友的压力，甚至教授的影响——并不能显著预测学生使用该技术的频率。学生们并不是因为教授要求他们这样做，或者因为朋友都在做，才使用这个工具；他们使用它是由于它确实有效。
研究还揭示了明确规则与学生心理安宁之间的重要联系。当学生感到大学关于使用人工智能的规则清晰且一致时，他们报告说感到更加安全。这种心理安全性意味着他们更愿意透明地公开自己对工具的使用情况。然而，研究人员发现，这种安全感并没有改变他们使用技术的频率。无论学生认为环境是支持性的还是具有风险性的，只要他们相信该工具有用，他们仍然会使用它。规则对于诚实很重要，但对于决定是否使用工具本身并无影响。
或许最重要的发现是关于使用该工具与学生投入脑力程度之间的关系。数据展示了一个强关联：学生使用人工智能的频率越高，他们就越倾向于报告将任务的思维负荷转移给机器。这表明，随着学生使用该工具的次数增加，他们越来越可能让机器处理那些困难的思考部分，例如构建论点或解决复杂问题。这种卸载认知工作的倾向并不会因为学生在利用技术进行教学方面的信心而减少。即使是那些在将工具整合进课堂环境方面感到非常有信心和技能的学生，也同样容易在自己的学习过程中依赖于该工具。
这一发现挑战了这样一种观点，即仅仅掌握如何利用技术进行教学，就能防止学生产生过度依赖。研究人员观察到，虽然学生对自己在个人学习中使用该工具的能力感到自信，但对于如何有效地在教学背景下使用它，他们却感到信心不足。他们在个人使用该技术的舒适度与作为专业人士引导他人使用该技术的准备度之间存在巨大的差距。这表明，成为一名熟练的使用者并不自动意味着成为一名合格的技术教学者。
研究还强调了对于那小部分完全不使用该工具的学生而言，其原因并非技术难度或缺乏获取渠道。相反，他们受伦理问题的驱动。许多学生担心使用该工具会构成学术不端，或者会随着时间的推移削弱他们自身的能力。有些人甚至对该技术的环境影响表示担忧。这些学生并不是害怕规则，而是从道德上反对这种做法。
最终，这项研究描绘了一代务实的生成式人工智能使用者——即未来的教师。他们的驱动力来自于追求效率和高质量地完成工作。虽然明确的机构规则有助于他们感到足够安全从而保持诚实，但这些规则并不能阻止他们在需要时使用工具。此外，具备教学技术的准备感并不能保护他们免受在学习过程中让工具承担繁重思考任务的诱惑。研究表明，教师培训项目需要超越仅仅教授如何使用技术。它们必须帮助未来的教育者理解“利用工具支持学习”与“利用工具完全取代思考过程”之间的微妙界限。如果没有这种深层的理解，即使是最自信的未来教师，也可能会发现自己在利用技术进行学习时，陷入了削弱自身学习能力乃至最终削弱学生学习能力的境地。
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。