生成式AI对批判性思维的影响：来自知识工作者调查的自我报告的认知努力减少和信心效应

研究背景与问题

• 作者发现了哪些问题或挑战？ 本论文关注生成式AI工具（如ChatGPT、Copilot）在知识工作中的应用，探讨其对关键性思维（critical thinking）的影响。具体问题包括生成式AI是否减少了认知努力，以及它如何改变知识工人的行为和思维方式。

• 为什么这个问题很重要？ 随着生成式AI工具的快速普及，它对知识工人的长期独立问题解决能力和技能发展可能产生重大影响。如果关键性思维能力减弱，可能会助长技术过度依赖，从而危及工作质量和个人专业能力。

• 研究动机与相关工作 本研究填补了一个空白：虽然生成式AI工具在教育和写作中的影响被广泛研究，但有关生成式AI对知识工作中关键性思维行为的直接影响尚待探索。此外，该研究基于广泛的真实世界使用数据，以补充传统实验研究中样本有限的缺点。

解决方案

• 作者提出了哪些方法或解决方案？ 作者设计了一项在线调查，调查了319位经常使用生成式AI工具的知识工人，并收集了936个具体任务实例。这些任务被分类为创作、信息管理和建议获取三类，分析了知识工人在这些任务中关键性思维的行为及其感知的认知努力变化。

• 该解决方案的创新之处是什么？

  1. 提供了真实世界使用数据，而非只依赖有限的实验样本。
  2. 应用了Bloom分类法来具体测量和分析知识工人关键性思维活动的各个维度。
  3. 阐明了生成式AI使用中的新的认知行为转变（如任务监督和信息验证）。

• 实施步骤是什么？使用了哪些关键技术？

  1. 调查设计: 调查问题包括任务类型、用户信心（对自己做任务和对AI完成任务的信心）、关键性思维活动以及认知努力评价。
  2. 定量分析: 使用回归模型分析参与者的任务及用户特性对关键性思维和认知努力的影响。
  3. 定性分析: 通过参与者的自由文本回答，识别关键性思维的动机与阻碍因素，以及认知活动努力的变化。

研究成果

• 取得了哪些具体成果？

  1. 关键性思维动机与障碍: 知识工人主要因为希望提升工作质量、避免负面结果以及促进技能发展而进行关键性思维，而关键性思维的障碍包括时间压力、任务感知影响和技能限制。
  2. 认知努力变化: 生成式AI工具通常减少了认知活动的努力，如信息获取和生成自动化，但增加了信息验证、AI响应整合以及任务监督中的努力。

• 与现有解决方案相比，它有哪些优势？ 与以往研究相比，该研究关注生成式AI的真实工作情境，而非受控实验环境。同时推出明确的工作流程模型，包括目标设定、响应检查和整合等阶段。

• 实验或评估结果是什么？

  1. 信心对关键性思维的影响:
     • 工作者对生成式AI的较高信心与较少的关键性思维有关。
     • 高自信心与更多关键性思维行为相关，但伴随着认知努力的增加。
  2. 生成式AI的认知任务转变:
     • 信息活动从信息收集转向信息验证。
     • 应用活动从解决问题转向响应整合。
     • 分析、综合和评估活动从任务执行转向任务监督。

• 局限性与未来方向

  • 调查仅针对英语用户，未覆盖多语言或跨文化场景。
  • 样本集中在年轻和技术熟悉的群体，可能无法全面代表更广泛的知识工人群体。
  • 长期的任务认知行为变化以及技能衰退问题需进一步研究。
  • 可以通过加入AI工具的实时遥测调查或体验抽样，进一步优化设计。

总结

本研究揭示了生成式AI对知识工作者关键性思维活动和认知努力的深远影响，发现了新的工作内容转变（如任务监督和信息验证）。虽然生成式AI提高了工作效率，但也可能抑制关键性反思，助长长期技术依赖。未来的生成式AI工具设计应注重增强用户的意识、动机和执行能力，以支持关键性思维行为并促进长期技能发展。这项研究为探索生成式AI与人类认知的交互关系提供了重要依据。