《直到现在我才意识到它产生了多大的影响》：残疾大学生对生成式人工智能的看法

研究背景与问题

• 发现的问题或挑战：

  • 学生在高等教育中经常会面临与学习、社交和后勤支持相关的障碍，特别是对有残疾的学生，他们需要额外的精力来解决这些问题。
  • 当前的大学政策和支持体系在处理生成式人工智能（GenAI）对学生的影响上缺乏适应性，尤其是对于残疾学生。
  • GenAI 对学生使用住宿服务（accommodations）的潜在影响尚未获得充分研究。

• 问题重要性：

  • 根据美国的数据，报告患有残疾的本科生约占学生总人数的五分之一，这一群体不断增长。
  • 生成式AI能够通过改善可访问性（如个性化学习、沟通支持、自我倡导等）来潜在减少教育不平等。
  • 无适当政策指导，AI技术可能加剧偏见，如延续对残疾者的刻板印象。

• 研究动机与相关工作：

  • 以往研究探讨了残疾学生在高等教育中的一些障碍，但对 GenAI 在残疾学生支持中的实际应用研究有限。
  • 作者提出生成式AI可能是通过个性化、易获取性改善资源分配的潜在工具，但其风险（如不准确输出和隐含偏见）也需关注。
  • 本研究通过残疾学生的数据采集填补了 AI 与高等教育中可访问性之间的研究空白。

解决方案

• 方法或解决方案：

  • 本研究应用混合方法，向两所美国大学的62名学生分发了在线调查，并对其中21名有兴趣的参与者进一步进行了半结构化访谈。
  • 研究团队采用调查、访谈和定性分析的方式，探讨GenAI工具如何影响学术与非学术环境中大学生的学习体验、可访问性和住宿使用。

• 创新之处：

  • 深入研究生成式AI对残疾学生学术与社会活动的独特影响，并从学生的自我表达与影响感知中揭示丰富细节。
  • 探讨大学教学和政策中的GenAI应用潜力，尤其强调此议题的支持性和包容性。

• 实施步骤：

  1. 数据采集阶段：通过问卷和访谈收集学生对生成式AI工具的使用经验。
  2. 数据分析阶段：通过统计和定性编码，对学生使用GenAI工具的情况和对其支持系统的观点进行解码。
  3. 输出建议：基于发现，提出对GenAI教育资源、大学政策及无障碍技术开发的若干建议。

研究成果

• 具体成果：

  • GenAI工具主要用作课程支持（写作辅导、信息提取）、学术研究（代码调试、文献综述）及日常生活工具（时间管理、自我照护）。
  • 历史上未被充分支持的群体（如心理残疾者和注意力缺陷/多动障碍患者）报告了工具的高效辅助作用，例如个性化学习内容、策划生活例程等。

• 与现有解决方案相比的优势：

  • GenAI因其可用性（如24/7在线支持）和低访问门槛，被许多残疾学生视为正式支持系统（如DSO、办公时间）的替代补充。
  • GenAI工具显著减少了学生为获得支持所需的管理工作量，帮助生成量身定制的沟通方案。

• 实验或评估结果：

  • 大多参与者认为，他们具备使用GenAI工具的知识和资源能力，并规划继续探索这些工具。
  • 尽管如此，有关AI的不准确性和潜在偏见的担忧被广泛提及，表明需要提高学生对其输出的批判性思维。

• 局限性与未来方向：

  • 局限性：
    1. 样本局限于两所特定的公立大学，因而可能不适用于其他教育环境。
    2. 参与者多数对少数几种工具（例如ChatGPT）较为熟悉，而对其他广泛使用的GenAI工具缺乏深入经验。
  • 未来方向：
    1. 研究残疾未披露人群如何利用GenAI工具，以便为这些学生设计更兼容的解决方案。
    2. 探索在高校政策内正式整合AI教育资源与培训的可能性。
    3. 开展长期研究，分析GenAI对学生生活总体影响的变化轨迹。