Structural Modelling of Generative AI Cognitive Integration, Algorithmic Literacy, and Academic Dependency in Peruvian Higher Education
本研究验证了一个结构模型，该模型表明算法素养显著增强了秘鲁大学生对生成式人工智能的认知整合并降低了学术依赖，从而提升了感知学术表现，且这一过程受到数字伦理的调节。
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
在现代教育快速变化的格局中，一种新型的学习工具正以海啸之势席卷而来：生成式人工智能。这些计算机程序能够撰写论文、解决复杂问题，并生成曾经需要人类大脑才能产生的创意。对于秘鲁的学生而言，正如在许多其他地方一样，这些工具现在只需点击一下按钮即可获取。然而，拥有一个强大的工具并不等同于懂得如何驾驭它。当今教育者和研究人员面临的核心问题不在于学生是否能够使用这些机器，而在于使用它们如何改变了他们大脑的工作方式。理解机器是如何思考的，是能帮助学生更好地学习，还是仅仅依赖机器会让他们忘记如何独立思考？这种紧张关系正是近期在秘鲁三个主要地区开展的一项研究的核心，该研究旨在绘制出“了解技术运作方式”、“学生如何将其融入思考过程”以及“是否会对技术产生依赖”之间那些无形的路径。
研究人员首先在利马、阿雷基帕和库斯科收集了由642名大学生组成的庞大样本，这些学生代表了公立和私立机构以及从工程到健康科学等各种专业领域。研究人员要求这些学生反思自身的习惯与技能，特别侧重于四个关键领域。首先，他们测量了“算法素养”，即理解人工智能如何生成答案、识别其错误以及辨别其可能存在偏见的能力。其次，他们考察了“认知整合”，即学生在多大程度上利用人工智能来深化自身的理解、连接复杂概念并完善论点。第三，他们审视了“学术依赖”，即一种学生感到如果不借助机器就无法完成任务，或在无法使用机器时感到焦虑的状态。最后，他们评估了“感知学术表现”，即学生对自己成绩和生产力的自我感受。研究还考虑了“数字伦理”，即学生在负责任使用技术方面所秉持的个人道德准则。
调查揭示了一个关于这些因素如何相互作用的清晰且强有力的逻辑。数据表明，拥有强大的人工智能运作原理理解能力的的学生，更有可能将其作为提升自身思维的工具。这些学生并非让机器代劳，而是利用它来完善自己的论点并连接困难的概念。换句话说，了解技术的运作方式就像是一把钥匙，开启了一种更高级的学习方式。相反，这种理解也成为了抵御依赖性的盾牌。对人工智能机制具备素养的学生，极少会产生必须依靠机器才能应对课程或在没有机器时感到焦虑的感觉。研究发现，当学生理解了算法这个“黑箱”时，他们就不太容易陷入完全外包自身脑力劳动的陷阱。
然而，使用AI与学业表现之间的关系并非一条直线；这完全取决于如何使用这一工具。研究证实，当学生成功将AI整合进自身的思考过程中时，他们会感到生产力得到了提升，并看到成绩的提高。但当学生陷入依赖模式，即在不进行批判性审查的情况下依靠机器承担繁重工作时，他们的感知学术表现就会受损。在这种情况下，机器变成了一根削弱其自身元认知能力的拐杖。关于伦理的作用，研究中出现了一个关键发现：持有强有力技术使用伦理原则的学生得到了更好的保护。对于这些学生而言，对技术的理解进一步增强了对依赖性的削减，这表明道德意识放大了技术知识带来的益处。
该研究还探讨了一个教育研究中的常见担忧：结果是否仅仅是由于财富或互联网接入等其他隐藏因素所反映的。通过使用先进的统计方法来控制这些变量，研究人员确认了他们发现的关系是稳健且直接的。该模型解释了超过一半的关于学生感知自身学术成功程度的变化，这种清晰度在社会科学领域是罕见的。数据排除了这些效应是随机产生的或由外部环境引起的观点，转而指向了一个特定的因果链：理解技术导致更好的整合和更低的依赖，进而导致更好的学术成果。
这些发现为秘鲁乃至全球的教育未来带来了重要启示。证据表明，应对人工智能挑战的解决方案不是禁止它或忽视它，而是教会学生如何理解它。研究指出，仅侧重于禁止的政策是不够的。相反，大学应该致力于培养“批判性计算思维”，帮助学生破译他们所使用的算法背后的逻辑。通过培养对技术的深度理解并辅以强有力的伦理准则，教育者可以帮助学生将这些工具从依赖的来源转化为智力增长的工具。研究结论指出，前进的道路在于赋予学生成为技术主人的能力，确保机器是为思想服务，而非取代思想。
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。