Measuring University Students' Ethical Judgments of Generative AI Use: Development and Initial Validation of Four Instruments for Academic Integrity Research
本研究开发并验证了四种用于衡量大学生对生成式人工智能伦理判断的新型工具，结果显示，感知的机构诚信度是这些判断的最强预测因子，且学生能够清晰地区分在作业与考试中未经授权使用人工智能的行为。
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，一种新型工具已经到来，它能以惊人的速度撰写论文、解决问题并生成创意。这种被称为生成式人工智能的技术改变了学习的格局，但也模糊了何为诚实工作的界限。几十年来，教育工作者一直依赖于这样一种观点：学生违反学术标准的决定是由其自身的品格和学校的规则所塑造的。我们知道，当一所大学制定了明确的政策并进行一致的执行时，学生违规的可能性就会降低。我们也知道，学生学习的内在动力以及对自身能力的信心，在他们的行为表现中也起着作用。然而，直到现在，研究人员仍缺乏一种可靠的方法来衡量学生究竟是如何看待这些处于灰色地带的新型行为的。如果没有清晰的学生思维图谱，就很难理解为什么有些学生认为使用聊天机器人修改段落是可以接受的，而另一些人则将其视为严重的违规行为。
来自堪萨斯大学和德克萨斯大学圣安东尼奥分校的研究团队致力于构建这样一张图谱。他们意识到，要了解学术诚信的未来，首先需要更好的测量工具。他们没有依赖那些为不同时代设计的旧调查问卷，而是创建并测试了四种新的询问学生想法的方式。他们希望了解学生如何评价使用人工智能的严重程度，他们如何看待学校的规则与执行情况，他们在利用这些工具进行学业任务时的自信程度，以及最初驱动他们学习的动力是什么。通过收集一所大型公立大学149名学生的数据，研究人员能够观察这些新问题是否确实有效，以及它们揭示了怎样的学生心理。
研究人员首先设计了一份调查问卷，要求学生对特定情境进行评分。他们采用了几十年来用于衡量违反学术标准的一种经典方法——即询问人们认为某种行为有多严重——并针对人工智能时代对其进行了更新。他们不仅包含了明确的违规行为，例如提交一篇完全由计算机撰写的论文，还包含了更为模糊的情境，例如使用工具辅助构思创意或在不注明出处的情况下重组句子。他们还设计了新问题来衡量学生对所属机构“诚信氛围”的感知。这一概念是指学生对学校是否拥有明确规则、教师是否很好地传达了这些规则，以及学校是否真正执行了这些规则的看法。最后，他们增加了问题来衡量学生使用这些工具完成学术任务的信心，以及他们在校学习的潜在动机。
当研究人员分析答案时，他们发现这些新工具完全达到了预期效果。关于伦理判断、机构诚信、信心和动机的问题分别测量了学生体验中不同的部分。它们不仅仅是询问同一件事的不同方式；它们捕捉到了学生思维中独特的侧面。数据表明，学生能够做出细微的区分。他们并不将所有使用人工智能的行为都视为同类。例如，学生将使用工具辅助考试评定为非常严重的违规行为，但他们认为使用同样的工具辅助完成常规作业的严重程度则显著降低。这表明学生并非仅仅是在无视规则，而是在积极权衡情境。
然而，最强有力的发现涉及学校本身的角色。研究人员发现，一名学生对是非对错的判断，与他们对所在机构诚信度的感知联系最为紧密。当学生感到其所在的大学拥有清晰的准则、教职人员能够一致地传达这些准则，且学校能够公平地执行规则时，学生往往会对人工智能的使用持有更严格的看法。换句话说，学校创造的环境比学生使用该技术的个人信心或其普遍的学习动力更为重要。虽然学生使用人工智能的信心和个人的学习驱动力是值得关注的因素，但一旦考虑到学校的氛围，这些因素在解释力上并没有增加多少。
这项研究通过提供一套经过验证的工具，为未来的研究奠定了坚实的基础，其他科学家可以利用这些工具来研究这个快速变化的领域。它表明，大学未来的路径不仅仅在于禁止或允许特定的技术，而在于专注于其信息的清晰度和一致性。如果一所学校希望其学生做出伦理选择，研究表明，最有效的方法是确保期望是明确的、沟通是一致的，并且执行是可信的。学生们正在观察这些信号，而他们的判断正是由他们所见之物所塑造的。通过理解这种动态关系，教育工作者可以超越简单的检测手段，转向关于如何负责任地使用这些强大工具的更深层次的对话。
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。