探讨学生和教师对学术工作中未披露使用生成式AI的看法
研究背景与问题
- 发现的问题或挑战:
作者指出,学生在学术工作中使用生成型人工智能 (Generative AI, GenAI) 工具有可能不披露,其行为方式、动机和影响尚不明确。同时,这种行为可能影响学术诚信、师生关系和学习效果。此外,由于人工智能内容检测技术不够成熟,学生与教师之间还可能因为误解引发冲突。 - 问题的重要性:
随着生成型AI工具的普及,如ChatGPT、Google Gemini等,这些工具正在显著改变教育和学术工作模式。如果这些工具的使用方式不透明,可能会削弱教育目标、影响学生的学习成果,并加剧学术诚信问题。 - 研究动机与相关工作:
当前研究主要探讨了生成型AI工具如何支持教育(如写作、课题探索等)以及其负面影响(如助长抄袭与学生过度依赖AI)。然而,针对学生和教师对GenAI非披露行为的看法、应对策略的研究较少。作者旨在填补这一研究空白。
解决方案
-
方法或解决方案:
作者采用了混合方法研究,通过在线调查和半结构化访谈调查学生和教师对GenAI非披露行为的看法。- 在线问卷调查了97名大学生,了解他们的GenAI使用频率、披露情况及动机。
- 深入访谈了15名有非披露行为的学生和9名曾怀疑学生非披露使用GenAI的教师。
- 分析学生的非披露行为策略、动机和教师的应对策略,以及如何通过认知失调理论理解学生的行为。
-
创新性:
本研究首次将认知失调理论应用于分析学生隐瞒使用GenAI的行为,揭示了他们为减少内心矛盾而调整行为或改变观念的策略。同时,研究结合师生互动视角,提供了丰富的实证数据,并提出了如何通过教学实践改善透明性的建议。 -
实施步骤及关键技术:
研究依赖问卷调查统计分析方法(如Mann-Whitney检验和Friedman检验)和质性数据反思性主题分析方法,通过对受访者的回答进行编码和整理,归纳出学生和教师的行为模式及实践调整方向。
研究成果
-
具体成果:
-
学生行为:
- 学生决定是否披露GenAI的行为受到学校政策、任务种类和同伴关系的影响。他们主要采用策略包括:改写AI生成内容以掩盖其来源、限制使用范围仅限低价值任务、对特定同伴小范围披露等。
- 使用GenAI的主要原因包括:节约时间、缓解学习压力、实现任务快速完成等,同时他们通过将其类比为搜索引擎或拼写检查工具等方式来正当化其行为。
- 非披露行为中的情绪反应复杂,多数学生不会感到明显负罪感,但存在应对学术处罚的担忧。
-
教师策略:
- 教师通过检测生成内容特征(如泛化语言、非人性化语气)或AI检测工具识别AI内容,但他们对单纯依赖检测工具缺乏信心。
- 教师采用的一些应对措施包括:调整课程任务以减缓GenAI滥用的风险、明确规定哪些使用情境必须披露,以及重新设计更具挑战性和价值的作业。
- 有教师通过课堂案例展示如何以负责任的方式使用GenAI工具,促进学生对伦理与透明性的理解。
-
-
与现有解决方案的优势:
本研究不仅揭示了学生和教师对GenAI的复杂态度,还从认知失调角度揭示了学生采取非披露行为的心理动机,提供了比单纯技术检测更深入的社会技术理解框架。 -
实验或评估结果:
调查和访谈数据表明,学生更多使用GenAI的目的在于提高效率而非偷懒,而教师在检测GenAI使用方面面临实际困难。两者之间存在认知与行为的不一致现象。 -
局限性与未来方向:
- 本研究样本中的教师主要来自同一所大学,样本代表性有限。此外,性别和种族分布也不均衡。
- 社会期望偏差可能影响受访者的自我报告。
- 下一步研究可进一步探索如何促使教师对自己的GenAI使用进行披露,以及学生对此的态度,促进师生间的双向透明性交流。
总结
本研究通过探讨学生与教师对生成型AI使用的不同看法,以及分析学生隐藏AI使用行为的认知原因,为教育者提供了实用指导。同时,研究呼吁在教育领域中通过课程设计、伦理教育和反思性交流减少AI工具使用中的不透明性,助力构建更为诚信、公正的教育环境。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
研究问题
3- 学生在学术工作中使用生成式人工智能但不披露理由是什么?分类: AI 与大语言模型辅导同类问题arrow_forward
- 学生的隐瞒行为和老师的应对策略如何体现其心理动机?分类: AI 与大语言模型辅导同类问题arrow_forward
- 如何通过教学设计提升生成式AI使用的透明度?分类: AI 与大语言模型辅导同类问题arrow_forward
现实痛点
1- 学生使用生成式AI未披露,影响诚信和师生关系。分类: AI 与大语言模型辅导同类问题arrow_forward
- 75%
从CHI 2017到CHI 2022的经验研究中的研究伦理、开放性和透明度的变化
CHI '23· 研究伦理与开放科学
- 60%
不要忘记保持真实的自己:如何建立一个有意义且可持续的研究身份
CHI '18· 用户研究方法(访谈、调查、观察) +1
- 60%
敢于改变:创造一种更慢更可持续的学术生活
CHI '18· 研究伦理与开放科学 +1
- 60%
CHI研究 artifact的透明度:一项自我报告调查的结果
CHI '20· 可解释人工智能(XAI) +1
- 60%
你公开了吗?关于人机交互期刊中透明度和开放性指南的内容分析
CHI '21· 算法透明度与可审计性 +1
- 60%
为促进开放科学的采用而设计知识构建:规划设计空间
CHI '22· 用户研究方法(访谈、调查、观察) +1
- 60%
开胃酒:构建预注册以自动生成分析代码和方法描述
CHI '22· 计算方法在HCI中的应用 +1
- 60%
走出象牙塔:对人机交互研究的大量专利引用分析
CHI '23· 计算方法在HCI中的应用 +1
- 60%
不同的研究人员,不同的结果?分析研究人员经验和数据类型在对安全建议的访谈和调查研究的定性分析中的影响
CHI '23· 用户研究方法(访谈、调查、观察) +1
- 60%
人工智能恐惧与希望的殿堂:通过交互平台比较人工智能影响者与美国公众的观点
CHI '25· AI 伦理、公平与问责 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)