📄 social_science

Ethical Awareness, Translanguaging-based EFL Proficiency, and AI Usefulness Predict Decision Quality among University Students

基于对409名印度尼西亚大学生的研究，伦理意识和英语语言流利度能独立提升AI辅助决策质量，且伦理意识还会显著增加对AI感知有用性的提升，这表明将伦理素养与语言能力相结合对于高等教育中有效的AI整合至关重要。

原作者： Havid Ardi, Rino Dwi Putra, An Fauzia Rozani Syafei, Dian Safitri, Anisa Nurjanah

发布于 2026-09-05

📖 1 分钟阅读☕ 轻松阅读

原作者： Havid Ardi, Rino Dwi Putra, An Fauzia Rozani Syafei, Dian Safitri, Anisa Nurjanah

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，学生不再是孤立地学习；他们正在一个人类思想与人工智能交汇的复杂景观中航行。在这项新现实的核心，有三种截然不同的力量在塑造着大学生的学习与选择方式。首先，是人工智能工具日益增长的存在感，它们可以生成文本、解决问题并即时提供信息。其次，是学生自身的伦理意识，这是一种内在的指南针，帮助他们在利用这些强大机器时，判断什么是公平、诚实和负责任的。第三，是语言能力，特别是能够在不同语言之间流畅切换的能力，这种实践被称为“超语实践”（translanguaging）。在包括印度尼西亚在内的许多地区，学生不仅仅是在英语和母语之间切换，而是将两者融合，以理解复杂的概念。理解这三个要素如何相互作用至关重要，因为这决定了一个学生的最终决策——无论是论文、研究项目还是职业选择——是经过深思熟虑且高质量的，还是仅仅是对机器建议的草率复制。

来自印度尼西亚巴东国立大学的一个研究小组致力于绘制这些力量之间的联系图谱。他们想知道，一个人的是非观是否会改变他们对人工智能用途的看法，以及多语言处理能力是否能帮助他们利用人工智能做出更好的决策。为了寻找答案，研究人员调查了来自全国各地私立大学的本科生。这些学生的年龄从不足18岁到超过26岁不等，涵盖了英语专业及其他专业的学生。研究人员向他们提出了关于习惯、对数据隐私和偏见的看法、如何使用ChatGPT等人工智能工具，以及如何评估这些工具所提供信息的详细问题。最终的分析基于收集到的313份有效样本。通过分析这些回复，研究团队得以观察到哪些因素真正驱动了学生决策的质量。

研究揭示了一个关于伦理作用的清晰且强有力的故事。拥有强烈伦理意识的学生不仅将人工智能视为一种酷炫的小工具，还将其视为学术工作中真正有用的工具。当学生确信自己理解偏见风险或保护个人数据的重要性时，他们更有可能信任人工智能并将其整合进自己的工作流程中。这种信任并非盲目的，而是一种负责任的参与，从而带来了更好的结果。数据表明，这种伦理意识与学生决策的质量有着直接的联系。那些对使用人工智能的道德影响进行仔细思考的学生，更擅长过滤信息、发现错误，并做出经得起推敲的选择。简而言之，强大的道德指南针让技术更好地为学生服务。

研究还证实，仅仅是认为人工智能有用就会带来更好的结果。当学生相信人工智能能帮助他们工作得更快或思考得更深时，他们就能做出更高质量的学术决策。这种关系在该群体中表现得既强烈又一致。然而，这项研究挑战了一个普遍的假设。研究人员曾假设，那些擅长融合英语和印尼语的学生会从使用人工智能中获得额外的助力。其设想是，这些双语学生可能更擅长翻译人工智能的输出内容，或者能发现他人可能忽略的细微差别，从而有效地充当一座桥梁，使技术对他们而言变得更加强大。然而，数据却讲述了一个不同的故事。虽然具备强大语言能力的学生自身确实能做出更好的决策，但他们的语言能力并没有放大人工智能带来的益处。技术对每个人都提供了同等的帮助，无论其语言流利程度如何。这两项优势——优秀的语言能力和熟练使用人工智能——是并行运作并共同作用于最终结果的，但它们并没有产生乘数效应。

这些发现表明，在人工智能时代，通往高质量决策之路，与其说是拥有某种特定的语言超能力，不如说是培养一种负责任的心态。研究指出，最有效的学生是那些将对伦理原则的深刻理解与对所用工具价值的务实信念结合起来的人。他们做出明智判断的能力源于批判性的参与，而非仅仅是语言的灵活性。对于教育者和政策制定者而言，这意味着培训学生使用人工智能的工作重点应高度集中在伦理和批判性思维上。教导学生去质疑机器、去检查偏见以及去理解技术的局限性，似乎与教导他们如何用特定语言进行提示词编写同样重要，甚至更为重要。研究结论认为，尽管语言技能仍然是任何学生的宝贵资产，但有效使用人工智能真正的引擎，是学生在互动中所带来的伦理框架。

技术摘要：伦理意识、超语实践（Translanguaging）背景下的 EFL 熟练度与 AI 有用性对大学生决策质量的预测作用

问题陈述与研究空白
生成式人工智能在高等教育中的快速整合，要求我们更深入地理解人类因素（特别是伦理意识和语言能力）如何与技术工具相互作用，从而塑造学术决策。虽然现有文献分别探讨了对 AI 的伦理态度、超语实践在语言学习中的认知益处以及 AI 工具的效用，但仍存在显著的理论脱节。以往的研究通常仅将伦理视为技术接受度的单维前因，未能探讨其作为“感知有用性”的驱动力以及作为“决策质量”独立过滤器的双重潜力。此外，尽管超语实践已知能增强认知灵活性，但目前尚不清楚语言熟练度是作为调节变量（放大 AI 对结果的影响），还是作为加性预测变量（作为独立的资源发挥作用）。此外，现有的采用模型（如 TAM、UTAUT）多开发于西方、英语主导的环境，在应用于非西方背景时缺乏理论适配，可能忽略了规范性伦理推理和多语言认知灵活性如何重新构建 AI 有用性与决策质量之间的关系。本研究通过在印度尼西亚高等教育背景下提出并实证测试一个重新概念化的模型，旨在填补这些空白。

研究方法
本研究采用横截面定量设计，利用偏最小二乘结构方程模型（PLS-SEM）对来自印度尼西亚九所大学的 313 名本科生数据进行分析。样本包括英语专业学生（26.2%）和非英语专业学生（73.8%）的异质混合样本，确保了超语实践背景下 EFL 熟练度的差异性。

数据收集： 通过 Google Forms 以目的抽样和便利抽样的方式发放在线问卷。参与过程采取自愿原则，并获得了知情同意。
工具设计： 四个核心构念均采用改编自已验证文献的多条目李克特量表（5 点制）进行测量：
- 伦理意识 (ETHICS)： 8 个条目，评估数据隐私、责任感、偏见识别及对伦理准则的遵循。
- 基于超语实践的 EFL 熟练度 (EFL)： 10 个条目，衡量在与 AI 工具交互时（如提示词编写、编辑、评估）对印尼语和英语的策略性整合能力。
- 感知 AI 有用性 (USEFUL)： 8 个条目，反映易用性、任务效率和认知支持。
- 决策质量 (QUALITY)： 8 个条目，捕捉评估、验证、语境化及简化 AI 生成信息的能力。
分析方法： 对数据进行了缺失值和异常值筛查。通过测量模型评估指标可靠性（外负荷 ≥ 0.70）、内部一致性（组合信度与 Cronbach' Alpha）、收敛效度（AVE ≥ 0.50）及判别效度（HTMT 比率 < 0.90）。使用 SmartPLS 进行结构模型测试，通过 5,000 次自助抽样法评估路径系数、显著性水平、效应量 ( $f^2$ ) 和预测相关性 ( $Q^2$ )。同时进行了调节效应分析，以测试 EFL 熟练度是否改变了感知 AI 有用性与决策质量之间的关系。

主要结果
结构模型展现了显著的解释力，预测变量解释了决策质量 65.3% 的方差（ $R^2 = 0.653$ ）以及感知 AI 有用性 35.3% 的方差。

伦理意识的双重驱动作用： 伦理意识显著正向影响感知 AI 有用性 ( $\beta = 0.594, p < 0.001$ ) 以及直接影响决策质量 ( $\beta = 0.291, p < 0.001$ )。这证实了具有较高伦理敏感性的学生不仅认为 AI 更有用，而且即便不考虑对工具效用的感知，也能做出更高质量的决策。
感知有用性的影响： 感知 AI 有用性对决策质量具有强烈的正向直接影响 ( $\beta = 0.406, p < 0.001$ )，表明发现 AI 有帮助的学生能够利用它做出更好的学术选择。
基于超语实践的 EFL 熟练度的作用：
- 直接效应： EFL 熟练度显著预测决策质量 ( $\beta = 0.230, p < 0.001$ )，支持了语言能力作为一种独立认知资源增强决策能力的假设。
- 调节效应： EFL 熟练度与感知 AI 有用性的交互作用并不显著 ( $\beta = -0.044, p = 0.148$ )。因此，关于超语实践熟练度调节（强化）AI 有用性与决策质量之间联系的假设被拒绝。数据表明，在此背景下，语言熟练度与 AI 效用属于加性因素而非交互因素。

主要贡献与意义
本文声称对文献做出了三个主要贡献：

伦理意识的理论精炼： 研究超越了仅将伦理视为技术接受度前驱变量的观点，展示了其作为塑造感知有用性的驱动力以及作为直接提升决策质量的独立过滤器的双重角色。
澄清语言机制： 通过拒绝调节假设，本研究挑战了“语言熟练度会放大 AI 益处”的假设。相反，研究认为基于超语实践的 EFL 熟练度是一种加性认知资源，通过独立机制（如执行功能、元语言意识）而非通过改变 AI 工具的效能来增强决策质量。
语境化适配： 本研究为非西方、多语言教育背景（印度尼西亚）提供了一个经过实证测试的模型，解决了在应用西方中心化模型时未进行理论适配，从而忽视当地语言与伦理现实的问题。

实践启示
作者建议教育利益相关者应将伦理素养和语言能力纳入 AI 教育，以提升决策有效性。具体建议如下：

针对从业者： 实施针对性的 AI 伦理培训，并选择能够解释其决策过程的透明、公平的 AI 系统。
针对学生： 鼓励对 AI 输出进行批判性质疑，并将 AI 素养与伦理思考相结合并纳入课程体系。
针对决策者： 制定法规，强制要求对教育类 AI 工具进行伦理审计，并支持教师开展 AI 伦理与素养方面的培训。

局限性
作者谦逊地承认了若干限制：数据的横截面性质和自我报告性质限制了因果推断；部分构念的测量指标仍可进一步优化；样本特定于印度尼西亚大学，限制了普适性；且不显著的调节结果可能反映了测量敏感度或语境约束，而非真实的交互缺失。未来研究应采用纵向设计、客观表现度量以及混合方法，以进一步探索这些动态关系。

技术摘要：伦理意识、超语实践（Translanguaging）背景下的 EFL 熟练度与 AI 有用性对大学生决策质量的预测作用

类似论文