Generative AI Usage Patterns and User Profiles Among Researchers: Evidence from a Large-Scale Survey in China
本研究利用来自中国研究人员的大规模调查数据，通过机器学习扩展了技术接受与使用统一理论，识别出三种截然不同的生成式人工智能用户画像——“先锋探索者”、“务实应对型用户”和“疏离型用户”——从而揭示了在科学人工智能（AI for Science）背景下，学术地位、机构压力和伦理担忧如何塑造差异化的采用模式。
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
在现代科学的广阔版图中，一种新的工具已经出现，它有望重塑发现的方式。这种工具就是生成式人工智能，一种能够创造模仿人类创造力的文本、图像和代码的计算机程序。与以往只能遵循严格指令的计算机不同，这些系统可以进行对话、总结复杂的想法，甚至提出新的研究方向。对于科学家而言，这项技术提供了令人向往的可能性，即加速那些缓慢且往往枯燥乏味的阅读论文、撰写报告和分析数据的过程。然而，正如任何强大的新发明一样，人们与之互动的方式并不统一。有些人完全拥抱它，而另一些人则保持谨慎或怀疑。理解这些差异存在的原因至关重要，因为科学进步的未来可能取决于研究人员能否在不失去对准确性、伦理或人类发现本质关注的情况下，将这些工具有效地整合到他们的日常工作中。
在中国开展的一项大规模研究对这个问题进行了深入探讨，绘制出了研究人员如何使用生成式人工智能及其驱动选择的精确图谱。研究人员调查了近 18,500 名中国的学术科学家，并最终将详细分析重点放在了 2,007 名已经使用过该技术的群体上。研究团队并没有简单地询问人们是否喜欢该工具或使用频率如何，而是观察了这些科学家执行的具体任务、他们的个人背景、他们的恐惧以及他们的日常工作习惯。通过分析这些海量信息，他们发现研究人员并非简单地分为“使用者”或“非使用者”两类。相反，他们自然地聚类为三个不同的群体，每个群体都有其独特的特征、动机以及与技术的关系。
第一组被称为“先锋探索者”（Pioneering Explorers），约占使用者的 19%。这些是频繁使用该技术进行各种任务的科学家，范围涵盖撰写论文、设计实验以及训练复杂的计算机模型。这些人往往在科学界担任资深职位，拥有极高的学术地位和卓越的工作投入度。他们通常来自受教育程度较高且收入水平较高的家庭。让他们脱颖而出的是其心态：他们深刻意识到这项技术的缺陷，例如其捏造事实或缺乏逻辑深度的倾向，但他们仍受该工具能够自动化处理困难工作之潜力的驱动。他们不仅将这项技术视为写作助手，更将其视为从收集数据到测试新假设的整个科学过程中的合作伙伴。他们对工作的高度投入以及多样化的专业网络似乎推动了这种广泛且自信的探索。
相比之下，第二组被称为“务实应对型用户”（Pragmatic Coping Users），构成了人口中最大的份额，接近 47%。他们通常是处于富裕地区或顶尖大学的年轻研究人员。他们面临着快速发表论文的巨大压力，并且经常在碎片化、繁忙的日程中挣扎。对他们而言，这项技术是应对这种工作量的一种生命线。他们频繁使用该技术，但几乎仅限于阅读文献和撰写论文。他们不太关心该技术在深度科学发现方面的能力，而更关注其在加速出版过程方面的能力。有趣的是，这一群体往往低估了技术的风险，特别是在知识产权和逻辑错误方面。他们将该工具视为解决当前学术压力的实用方案，利用它为下一篇论文扫清障碍，而不是为了从根本上改变他们做科学的方式。
第三组被称为“疏离型用户”（Alienated Users），约占样本的 35%。这些研究人员极少使用、甚至从不使用该技术。他们通常年龄较大，往往在 45 岁以上，并在数学或物理等基础科学领域工作，或者承担重要的教学职责。他们的论文产出较低，自我评价的专业地位也较低。他们对技术持有深刻的保留意见，担心其伦理影响，并怀疑其产生准确或有意义结果的能力。他们不认为这项技术会对他们的工作构成威胁，也不认为它能使复杂的科学思维自动化。由于他们没有深入接触这些工具，他们仍然对技术的能力持怀疑态度，从而形成了一个循环：由于缺乏使用，他们无法看到可能改变其想法的潜在益处。
研究表明，决定是否使用生成式人工智能不仅仅是一个技术选择，更是研究人员整个职业生涯的反映。对于“先锋探索者”来说，创新的驱动力和管理风险的资源使他们能够全面拥抱技术。对于“务实应对型用户”来说，学术体制的压力迫使他们将该工具作为一种生存机制，专注于狭义的效率。对于“疏离型用户”来说，年龄、研究领域以及根深蒂固的担忧使他们保持在旁观者的位置。研究人员发现，感知到的风险并不会自动阻止人们使用技术；相反，这是风险与感知收益之间的一种平衡。那些看到最大自动化和效率潜力的人愿意忽视缺陷，而那些只看到危险或没有明确收益的人则远离它。
最终，这项研究表明，人工智能时代的科学未来不会是一波统一的采用浪潮。相反，它将由科学家们多样化的现实情况所塑造。研究强调，要让这项技术真正改变科学，学术环境本身可能也需要改变。如果研究人员不断被过度的发表需求所催促和碎片化，他们可能只会将这些强大的工具用于快速修补，从而错失了更深层次、更具革命性的可能性。相反，那些拥有深入探索自由和资源的人，已经在推动边界。这些发现提供了一个关键时刻的缩影，表明人工智能在科学领域的进路，既取决于技术本身，也同样取决于使用技术的人。
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。