AI Literacy and Academic Performance among Non-STEM Students in KNUST: The Roles of LMS Quality and Blended-Learning Satisfaction

在现代大学中，学习已经超越了传统的课堂。现在的学生正处于一个混合世界中，面对面教学与承载材料、促进讨论并交付评估的数字平台相互融合。这一数字层通常由学习管理系统（LMS）进行管理，该系统作为一个软件枢纽，充当了课程的中央神经系统。为了使这些系统良好运行，它们必须可靠、易用且响应迅速。然而，技术本身仅是等式的一半。另一半是学生理解并使用现有工具的能力，这一技能组正日益被定义为人工智能素养（AI literacy）。这一概念不仅限于知道如何输入提示词；它还涉及使用智能工具进行有效操作的技术、伦理和实践信心。随着加纳及全球范围内的大学整合这些技术，一个关键问题随之而来：了解如何使用这些数字工具是否真的能帮助学生获得更好的成绩，还是说其中的联系更为复杂？

加纳库玛诺克鲁玛科技大学的研究人员致力于理清这种关系，特别关注那些并非从事科学、技术、工程或数学（STEM）专业的学生。这些非STEM专业的学生往往面临不同的教育挑战，并且可能无法像其技术领域同伴那样接受同等程度的计算训练。研究团队调查了该大学教师教育与教育创新系的432名学生。他们要求这些学生对自己的人工智能理解程度、对大学数字学习平台质量的感知、对混合式学习体验的满意度以及自身的学术表现进行评分。通过收集这些观点，研究人员旨在观察这些不同因素是如何相互流动并塑造学生成功的。

研究揭示了一条通往更好学术成果的清晰且连续的路径。研究发现，具有较高人工智能素养的学生往往认为大学的数字学习系统质量更高。当学生理解这项技术时，系统对他们而言会显得更易用、更可靠。这种质量感知反过来又导致了对混合式学习体验更高的满意度。当学生觉得系统运作良好时，他们会对整体教育过程感到更加满意。最后，这种满意度是学术表现的一个强有力的预测指标。换句话说，对于这些学生而言，获得好成绩的路径并不是直接从了解人工智能到获得A，而是：对人工智能知识的掌握提升了他们对系统的看法，这让他们对学习环境感到更满意，而这种满意感进而推动了他们的学业成就。

至关重要的是，研究人员发现，仅凭数字系统的质量并不能直接提高成绩。如果缺乏学生的参与和满意度，一个构建良好的平台也无法保证成功。系统质量之所以重要，是因为它影响了学生的满意度。此外，研究表明，人工智能素养确实对学术表现有直接但较小的积极影响，但成功的首要途径是通过感知与满意度的连锁反应。数据也排除了“数字系统质量本身可以弥补人工智能知识与成绩之间差距”的观点；这种特定的捷径在结果中并不存在。最强的联系在于完整的旅程：从人工智能知识到系统感知，再到满意度，最后到学术表现。

这一发现表明，为了帮助非STEM专业的学生在数字时代取得成功，大学不能仅仅投资于更好的软件，也不能期望学生自行摸索技术。研究结果显示，机构必须支持学生培养人工智能素养，以便他们能够自信地使用这些系统。当学生对工具感到胜任时，他们会对系统产生更积极的看法，从而带来更令人满意的学习体验，并最终实现更好的学术成果。研究强调，在混合式学习环境中，人类的满意度要素和认知的素养要素与技术基础设施本身同样重要。