2022年底ChatGPT诞生以来， 生成式人工智能（generative artificial intelligence， 简称GenAI）在教育领域的应用引发全球争议。GenAI凭借大规模语言模型实现了类人化与个性化内容生成
［1，2］。一方面， 人们预期和展望它可能通过为学生提供及时反馈、 帮助其扩展思路、 助力自主探究， 促进整体教育环境的重塑
［3］； 但另一方面， 也有很多人担心ChatGPT的使用会威胁学术诚信并产生惰性思维
［4］。因此， 一些学者和权威部门甚至公开反对在教育中使用GenAI。比如， 美国排名前100的大学中有6所禁止使用GenAI， 且排名越前的大学对GenAI的态度越谨慎
［5］。
尽管美国、 英国等国家已相继出台一些指导意见来规范教育中对人工智能的使用
［6，7］， 中国政府于2023年也发布了《生成式人工智能服务管理暂行办法》， 表明了“鼓励发展、 划定底线、 明确责任”的立场
［8］。但高校场景下的实施细则与伦理边界仍待明确（比如， 可否用于作业、 论文）， 当前大学生对GenAI工具的使用普遍处于自发状态。因此， 了解不同层次、 类型的大学生对GenAI的认知和态度， 对于制定有关政策和教育方案具有重要价值。一方面， 如何将GenAI有效地整合到教育过程中， 必须建立在坚实的本土化研究基础和概念基础之上， 只有深入调查才能帮助高等教育工作者确定AI的使用界限。另一方面， 学生是学习活动的主要参与者， 我们不应该盲目地对他们的看法和行为进行猜测。国际上开始重视对大学生GenAI 使用态度的调查
［9，10］， 而且发现不同文化群体对于GenAI的看法有别。比如， 相比于高权力距离和集体主义文化下的高校师生， 低权力距离和个体主义文化下的师生对于GenAI伦理法规的制定不太重视
［11］。然而， 针对中国内地大学生的相关研究还很稀缺。
在此背景下，本研究聚焦三方面的问题： 1） 中国高校学生对GenAI的总体态度， 包括对GenAI的了解程度、 价值感知、 代价感知以及使用意图； 2） 不同群体（性别、 受教育水平、 专业、 院校）的态度差异； 3） 差异成因及教育策略优化路径。本研究基于期望价值理论，通过量化分析为GenAI教育应用的本土化理论构建与政策制定提供实证依据。
1 文献综述
1.1 不同国别的高等教育机构对GenAI的态度和政策差异
国际学界对GenAI的态度呈现两极分化： 反对者顾虑ChatGPT等工具对学术诚信、 知识产权、 数据隐私安全以及资源获取的公平性的威胁
［12，13］。支持者则主张辩证应用。2023年3月， 英国教育部发布《教育中的生成式人工智能》， 表明英国在教育领域使用GenAI的积极立场
［6］。美国教育部则更为谨慎， 分析了将人工智能引入教育领域的优势和风险， 并提出了正确使用人工智能的建议
［7］。澳大利亚的高等教育质量与标准局则汇总了诸多资源来协助高等教育者更好地应对GenAI的机遇与挑战
［17］。
我国高校也高度重视对GenAI的管理。其中， 香港地区的高校反应最快， ChatGPT问世后不久， 香港大学便明确禁止学生在课程和作业中使用和AI相关的工具
［14］， 但随后又解除了这一限制
［15］， 这个大反转反映出GenAI进入高等教育的复杂性。相比之下， 中国内地大学的态度积极得多， 并且显示出有组织推进的态势。比如， 清华大学自2023年秋季学期起， 已有5门课程完成人工智能助教系统的开发并投入使用， 可提供24小时个性化学习支持、 智能评估和反馈
［16］。复旦大学计划在2024-2025学年推出至少100门AI相关课程， 来推动其在教育领域的应用和融合
［17］。可见， 高校正积极填补现阶段的实践空白， 但对于如何引导学生正确使用GenAI， 尚未形成可推广的实践模式。
1.2 不同社会文化下高校师生对GenAI的看法和态度差异
人们对GenAI的态度和评价是一个热点问题。已有研究结果表明， 不同社会文化会影响高校师生对GenAI的看法。一项包括67个国家的调查显示， 高不确定性规避导向的文化（如希腊、 日本）和高长期导向的文化（如中国、 德国）下， 高校师生更倾向于将使用GenAI视为作弊行为。相比之下， 高权力距离和集体主义国家中的高校师生可能更倾向于制定监管框架， 确保GenAI工具在教育中的公平使用
［12］。
高校教师和学生对GenAI有不同的看法和态度。一项以澳大利亚、 美国和塞浦路斯三个国家的高校教育工作者和大学生为研究对象的研究发现， 有67%的教育工作者倾向于选择经过GenAI加工的结果， 但只有41%的学生表现出同样偏好。也就是说， 比起教育工作者， 学生对这些工具的期望值更低
［18］。与此相反， 来自中国香港的调查发现， 大学生总体上报告了更高的GenAI技术使用频率， 普遍对这一技术更有信心； 而教师则更加关注潜在风险和挑战， 他们担心学生会产生依赖性， 进而阻碍他们能力和思维的发展
［19］。
以上研究表明， 所处的社会文化背景不同， 大学生对GenAI的熟悉程度和评价也会有所差异。虽然当前有少量国际研究调查了大学生对GenAI了解、 感知、 态度和使用意图等方面的情况， 但来自中国内地的研究还是空白。深化这类研究， 将有助于我们根据不同文化， 来实施GenAI素养教育和监管。
1.3 大学生对GenAI的使用、 看法及其影响因素
1.3.1 大学生对GenAI的使用现状
2022年底ChatGPT诞生后， 澳大利亚进行的一项调查显示， 只有不到24%的大学生表示经常使用这类工具， 绝大多数大学生对ChatGPT和其他GenAI工具一无所知（超过47%）或知之甚少（约28%）
［20］。然而， 2024年于瑞典开展的一项调查中， ChatGPT一跃成为大学生最为了解和使用最为广泛的工具， 有超过50%的学生使用过， 且有35%的大学生表示经常使用这一工具
［21］。针对中国浙江大学的调查显示， 截至2023年3月已有47%的大学生使用过ChatGPT， 到2024年大学生“使用过”的比例已增长至近94%， 但“经常使用”的大学生仅占21.5%
［22］。由此可见， 在短短两年内GenAI正快速地被全球大学生们熟知和应用， 中国的“使用过”人数远超西方国家， 但是“经常使用”人数低于西方国家， 这可能与我国的学情、 政策及文化环境有关， 大学生表现出较复杂的GenAI态度和使用意图， 值得重视。
1.3.2 大学生对GenAI的看法和预期
大学生愈发认可这一技术的优势和先进性。Chan和Zhou以香港的大学生为研究对象， 发现大学生在价值感知上的均分基本高于3.8分， 即对GenAI持同意、 积极的态度。大学生们普遍认为GenAI是一个十分便捷的工具， 对学习成果有长期正向影响， 有助于帮助他们想出新颖的观点
［23］。此外， GenAI为学习第二语言的同学提供了极大的便利， 帮助他们克服语言障碍， 指导语法， 方便他们用目标语言更加准确地表达自己的观点， 促进语言习得
［24］。同时， 大学生会使用专门的GenAI写作工具， 或使用文档程序自带的润色功能来辅助写作； 或使用ChatGPT来学习编程， 帮助编写代码， 处理实验数据。这在一定程度上提升了他们的写作和编程能力， 并为他们提供即时的、 个性化的反馈
［25］。这些初步的研究表明， GenAI极大地提高了大学生的学习效率和质量
［26］。
此外， 大学生认为GenAI对他们的未来职业发展有着深远影响
［27］， 有助于他们在快速变化的环境中为自身发展和专业追求做好准备。港大的研究也表明， 香港大学生十分认同学习GenAI技术以促进职业生涯发展， 并计划在未来积极将这一技术与校内学习相结合
［9］。上海社会科学院社会学研究所对2 000名青年进行线上调查发现， 有66%的人表示有意愿参加AI使用技能的培训来应对未来职业的挑战
［28］。
1.3.3 大学生对GenAI的使用存在隐患
大学生们对GenAI “一边倒” 的态度倾向， 隐藏着巨大的隐患， 但是目前的调查研究尚未反映“消极态度”， 这是已有研究的局限。学生难以判断输出结果的原创性， 这不仅会带来了学术伦理问题， 还可能导致批判性思维和创造力受挫
［3，29］。此外， GenAI工具还可能会降低大学生培养自身写作能力的努力程度， 由于缺乏和周围环境的情感联系， 进而影响学校教育的核心价值
［30］。而GenAI生成的内容并非绝对真理， 存在立场偏倚、 内容不实、 隐含偏见或不良内容等问题
［25，31］。以上情况说明， 高校需要进一步加强大学生使用GenAI时的辨别能力和道德规范教育， 避免不当使用行为的出现。大学生对此是否有感知， 是如何认识与理解这些伦理隐患和潜在威胁的， 目前尚不清楚， 亟待研究。
1.3.4 普通人群对GenAI技术的态度
普通人群对GenAI技术的态度倾向， 受个体自身特征和外在环境因素的影响。学习焦虑、 人工智能焦虑会阻碍个体使用GenAI， 心理弹性高而自主性低的个体， 使用GenAI的意愿也较低
［7，10］。存在社交焦虑的个体往往十分在意他人评价， 如果他们发现自己的重要社会关系（如老师、 家长和朋友）对于GenAI持负面消极态度， 则可能避免在他人面前使用该技术
［32］。
不同大学生群体对GenAI工具的使用还表现出明显的学科差异， 如在计算机编程、 金融等学科中， ChatGPT的使用更多， 但在法律和医学教育中较少
［33］。女性更有可能认为人工智能技术会对人类社会产生威胁
［34］， 年龄较大、 缺乏相关知识与经验的个体， 更可能排斥GenAI
［35］。可见， 大学生对GenAI的感知与态度是复杂的， 会受到很多因素的影响。
综合以上文献来看， 全球高等教育机构虽然都很重视GenAI的推广， 但是在具体政策和实施细则上普遍处于空档期， 高校师生的自发使用状况和态度偏好， 反映出不同国别的社会文化和学情差异， 值得高等教育学者的关注。国内已有一些大学生对GenAI态度或使用的研究， 但是没有涵盖代价认知（即， GenAI潜在威胁）， 更没有进行系统全面的大学生之间差异比较， 仅涉及某一类学生群体（香港大学学生、 浙江大学学生、 师范生）
［22，23］， 难以对中国内地大学生对GenAI的认知与态度等素养现状形成全面了解和判断， 因此有待开展深入研究。
2 研究的理论基础和调查模型
期望价值理论（expectancy value theory， EVT）关注驱动个体决策的内在心理因素， 认为个体对成功的期望和对活动价值的感知影响其动机。将了解、 感知和使用意图综合起来， 有助于全面理解大学生对GenAI的深层态度和动机。在本研究中， EVT为理解大学生对GenAI的态度提供了一个有力的分析框架。大学生对GenAI的了解熟悉程度越高， 对成功使用它完成任务的期望就越高， 进而增强他们使用GenAI学习的意图或动机， 并最终促进个体的使用行为
［23］。同时， 大学生对GenAI的成就价值、 内在价值、 效用价值等的感知直接影响他们对GenAI的价值判断， 而代价感知则涉及使用GenAI可能伴随的负面后果或障碍。通过对这些因素的综合考量， EVT能够全面解释大学生对GenAI的态度及其使用意图， 为本研究提供了坚实的理论基础。
Chan等人在EVT的基础上， 编制了测量对AI了解、 价值感知、 代价感知和使用意图的量表
［23］。对AI的了解是指对AI的应用和定义、 能力、 局限性和益处等方面的理解， 是在客观层面上对AI的认识。对AI活动价值的感知， 包括价值感知和代价感知两个维度
［36］。价值感知是指大学生对使用GenAI技术所赋予的价值的主观评价， 涵盖以下几个方面： 1） 成就价值： 大学生相信通过使用GenAI能够实现重要的学术或个人目标， 如提升学业成绩或增强数字技能； 2） 内在价值： 大学生从使用GenAI中获得的个人满足感， 如探索新技术的乐趣或因其提供的匿名性而感到的舒适； 3） 工具价值： 大学生认为使用GenAI这一工具能够带来实际的益处， 如节省时间或提供个性化的反馈。代价感知是指大学生对使用GenAI可能伴随的负面后果或障碍的认知， 包括所需投入的努力、 时间成本、 可能降低的教育价值、 受限的社交互动或对全面能力发展的妨碍。使用意图则是指个体对即将采取的某一行动所拥有的信息和信念， 个体通常对于在自己掌控范围内且符合社会主观规范的行为会有更强烈的意图
［37］。
根据EVT， 教育者和技术开发者应当关注如何通过提高大学生对GenAI的了解和价值感知， 减少他们对代价的担忧， 这样可以增加使用意图， 从而有效地将GenAI技术整合到他们的学习过程中。因此， 本研究综合考量“了解、 价值和代价感知和使用意图”， 全面评估大学生对GenAI的态度。
综上所述， 本研究基于EVT， 提出以下研究问题： 1） 中国大学生对GenAI知识的掌握程度、 对这一技术的感知情况和使用意图如何？2） 不同大学生群体间对GenAI的态度和感知是否有差异？
3 研究方法
3.1 调查工具
本次调查通过问卷星平台收集数据， 主要涵盖中国东中部地区的研究型大学、 教学型大学和职业学校三类院校。调查开始前， 明确告知参与者调查的自愿性、 匿名性， 且数据仅用于学术研究。调查时间为2024年7月18日至10月18日。共回收问卷1 428份， 剔除无效问卷151份后， 最终得到有效问卷1 277份作为研究样本。尽管在调查时力求样本的广泛代表性， 但由于时间和资源的限制， 样本仍可能存在一定偏差。
3.2 调查内容
调查问卷包含三个部分： 1） 人口统计学信息， 采集了学生的性别、 受教育水平、 专业、 院校、 获奖情况等信息； 2） 大学生对GenAI的使用现状， 如使用频率、 熟悉程度等； 3） 改编自Chan等人的GenAI感知量表
［23］， 共有19道题， 分为四个维度： 知识了解（5题）、 价值感知（7题）、 代价感知（3题）和使用意图（4题）， 采用Likter五点计分法， 范围从“1 =完全不同意”到“5 =完全同意”， 量表的克隆巴赫
α系数为0.844， CFI=0.932， TLI=0.911， RMSEA=0.056， 表明该量表具有较好的信度与效度。
3.3 统计方法
我们使用了SPSS 26.0对参与者的人口学信息、 GenAI基本使用情况和感知情况进行了描述性统计分析、 独立样本检验和方差分析， 以比较不同性别、 受教育水平、 专业、 所属院校的大学生对GenAI的知识了解、 价值感知、 代价感知和使用意图的差异。
4 结 果
4.1 人口统计学情况
本研究的参与者分别来自研究型大学（占比41.7%）、 教学型大学（占比30.9%）和职业技术学校（占比27.4%）， 其中男性730人（占比57.2%）， 女性547人（占比42.8%）。本科低年级和高年级学生分别占比21.7%和24.0%， 研究生占比26.9%， 专科学生占比27.3%。理科学生509人（占比39.9%）， 工科学生404人（占比31.6%）， 文科学生364人（占比28.5%）。
4.2 大学生对GenAI使用基本情况
本研究对大学生使用GenAI的频率、 开始使用时间、 熟悉程度以及学习途径进行了调查， 见
表 2。
在具体使用频率上， “经常使用”和“有时使用”分别占比37.4%、 36.9%， “很少使用”和“从不使用”分别占比19.6%、 6.1%。在开始使用生成式人工智能的时间分布上， 在2022年12月及以前， 只有13.8%的大学生开始使用， 此后每半年以超过25%的比率增长， 截至调查时已经累计有93.9%的大学生使用过GenAI， 可见普及速度很快。在熟悉程度方面， 认为自己对GenAI很熟悉和较为熟悉的学生占比75%， 自认为不熟悉的学生占比25.0%。至于学习GenAI的途径， 超一半的大学生是通过自学， 向他人学习交流的占比19.0%， 只有4.2%的大学生参加过正式培训。
4.3 不同受教育水平大学生对GenAI的使用频率和熟悉程度
由
图 1 和
图 2 来看， 专科学生对GenAI的使用频率和熟悉程度最低， 从不和很少使用的人数占比总和为40.12%， 不熟悉和不太熟悉的人数占比总和为37.82%。
本科高年级学生和研究生对于GenAI的使用频率相差不大， 这两类学生中经常使用和总是使用的人数占比总和分别为45.57%和47.18%， 均高于本科低年级学生（占比34.09%）。熟悉程度上， 本科高年级学生表现出对GenAI最为熟悉， 比较熟悉和非常熟悉的人数占比总和为40.36%， 要高于本科低年级学生（占比30.30%）和研究生（占比32.34%）。
4.4 大学生对GenAI的了解、 价值感知、 代价感知和使用意图
本研究通过人数百分比、 平均分和标准差来考察大学生对GenAI的了解、 价值感知、 代价感知和使用意图的基本情况， 见
表 3-
表 6。在分析中， 本研究合并了“符合以及完全符合”（以下简称“符合”）和“完全不符合和不太符合”（以下简称“不符合”）的人数比例。此外， 我们参考Pimentel推荐的Likert量表区间来解释均值， 其中， 均值在1.00~1.80之间被视为强烈不同意， 标记为“--”； 均值在1.81~2.60之间被视为不同意， 标记为“-”； 均值在2.61~3.40之间被视为矛盾， 标记为“+/-”； 均值在3.41~4.20之间被视为同意， 标记为“+”； 均值在4.21~5.00之间被视为非常同意， 标记为“++”
［38］。
大学生普遍对GenAI技术有很好的了解， 平均得分介于3.57~4.14之间（符合非常符合）。其中， “对GenAI生成的信息进行检验是很重要的”， 这一题项在“了解”维度中平均得分最高（M=4.05， SD=0.84）， 有81.3%的学生选择了符合； “GenAI会识别出输入的错误信息， 并自动进行修正， 从而使结果更准确， 更全面”， 这一题项平均得分相对较低（M=3.57， SD=0.94）， 但依然有61.1%的大学生赞同， 24.7%的大学生不确定其是否准确。这些数据反映出大学生对GenAI的局限性和挑战有着较为清晰的认识， 并强调了在使用GenAI技术时需要进行必要的检验和评估的重要性。
从大学生使用GenAI的价值感知来看， 除了Q10“向GenAI提问一些难以向他人启齿的问题， 因为GenAI不会评判我”（M=3.33， 属于中立态度分值）， 其他题项上大学生均持肯定态度， 平均分介于3.56~4.14之间， 选择同意选项的大学生比例基本高于90%。比如， 大学生认为GenAI确实可以帮助他们节省时间（M=4.14， SD=0.83）， 具有便捷性（M=4.08， SD=0.84）， 能够提供个性化服务（M=3.86， SD=0.92）， 对GenAI提供新颖见解的能力持肯定态度（M=3.56， SD=0.97）， 相信GenAI能够提升他们在数据分析、 写作等多方面的能力（M=3.70， SD=0.90）， 并认为大学生有必要学习如何更有效地使用GenAI（M=3.90， SD=0.89）。这显示出他们对GenAI在提升个人技能方面的信心。
大学生对GenAI的代价感知则较为矛盾（均值范围为2.94~3.08）， 只有不到40%的大学生选择符合和完全符合选项， 25%~29%的人选择不确定， 这表明大多数大学生对GenAI可能产生的负面影响并不明确或担忧。由此可以看出， 大学生确实对GenAI技术弊端有一定程度的理解， 但相对而言， 他们由于使用GenAI时的积极体验， 对使用GenAI的代价感知并不强烈。
大学生使用GenAI的意图也较为强烈（均值范围为3.64~3.93）， 正向态度明确。有77.7%的大学生认为GenAI工具的长期运用将对学习产生积极影响（M=3.93， SD=0.82）， 65.1%的大学生表示他们准备在未来的学习实践中增加GenAI的使用（M=3.82， SD=0.83）， 体现了大学生对GenAI在教育领域应用的积极态度。68.9%的大学生认为在完成任务时使用GenAI无需隐瞒（M=3.71， =0.94）， 显示出他们对GenAI技术潜力的信心和接受度。但也有71.1%的大学生不愿公开使用GenAI（M=3.64， =1.01）。
4.5 大学生对GenAI的了解、 感知和使用意图在不同性别、 受教育水平、 专业和院校的差异比较
由
表 7~
表 10 我们可以看出： 男生和女生在对GenAI的了解、 价值感知和使用意图上表现出显著差异， 具体表现为女生在这三个维度上的评分整体要低于男生； 专科学生在了解、 价值感知和使用意图上的评分显著低于其他受教育水平的学生， 而在代价感知上， 本科高年级学生和研究生的得分则显著低于专科学生， 表现得更开放； 在专业差异上， 文科学生对GenAI的了解、 价值感知和使用意图显著弱于工科和理科学生。院校类型的差异比较结果更为复杂， 具体表现为： 相比研究型大学和教学型大学， 职业院校的学生在价值感知和使用意图上的得分更低， 而教学型大学和职业院校的学生对GenAI的了解， 明显不如研究型大学的学生， 值得注意的是， 研究型大学的学生对GenAI的代价感知显著低于教学型大学和职业院校的学生。
5 讨 论
本研究发现， 如今绝大部分的大学生已经使用过GenAI技术， 且对GenAI持肯定、 乐观态度。同时， 我们也发现不同性别、 受教育水平、 专业和院校大学生的看法之间存在差异。这些结果为GenAI技术整合到高校教育环境中的潜在影响提供了有价值的见解。
5.1 使用过GenAI的人多， 经常使用、 对GenAI熟悉程度高的人却相对少
结果显示， 截至目前有93.9%的学生使用过GenAI， 而2023年Chan和Zhou等人在香港进行的研究中， 只有不到70%的大学生使用过GenAI
［23］， 可见中国内地高校对GenAI的普及度很高且快。但是经常使用和总是使用的人数占比总和为37.4%， 对GenAI比较熟悉和非常熟悉的人数占比总和为30.4%， 只占三成左右。其原因是： 一方面， 在使用GenAI时， 并不是刚一上手就能得心应手， 而是要花时间去训练、 与之磨合。很多大学生在刚接触GenAI时对它抱有极大的期待， 但发现结果不尽如人意时便马上放弃； 另一方面， GenAI工具要求使用者具备较高的辨别能力和知识水平， 否则与一般的搜索引擎功能类似， 例如ChatGPT还必须具备较高的英语水平
［39］。这些因素导致使用过GenAI的学生虽多， 但真正掌握其技能的人却少。
此外， 我们发现研究中52.9%大学生是自学的， 19%的大学生是与他人交流而得， 只有4.2%的大学生是通过正式教育学习GenAI。可见， 人工智能素养教育亟待开展， 引导大学生规范、 高效地使用GenAI工具， 帮助大学生跟上数字技术的飞速进步
［40］。
5.2 高校学生对GenAI普遍持积极态度， 有较高的了解、 价值认同和使用意图， 但是在代价感知方面持有矛盾态度
总体而言， 研究中有80%左右的大学生对GenAI技术有一定的客观了解， 比如， 大学生普遍知道AI依赖已有的数据库且共情能力较差， 不能完全依靠AI来产生输出， 自己需要有辨别正误的能力和检验输出结果的方法。这一结果与香港大学的研究结果相近
［23］。
大学生对GenAI技术的价值感知普遍持积极态度， 认同度较高， 这与西方国家研究结果一致
［21，41］。国内大模型（如kimi， 文心一言等）的问世， 使他们更便捷地接触到符合本土情境的GenAI新技术， 并享受它带来的优势， 如提高效率、 扩展思维、 提供个性化反馈、 优化学习成果等。因此， 大学生对GenAI在高等教育中的潜在好处表现出乐观态度。此外， 大学生对于“向AI提问一些难以向他人启齿的问题， 因为AI不会评判我”这一陈述的态度为中立（
M=3.33<3.41）， 这与Chan等人的研究结果相一致
［23］， 这可能是因为大学生还没有充分意识到“自由使用GenAI”的潜力， 比如， 提各种看似没有价值的问题、 跨度较大的问题、 不礼貌的甚至愚蠢的问题， 因在日常生活中可能面临被评价、 被嘲笑而不敢表达。从这个意义上说， 用GenAI助力大学生创造力的发展， 需要加强培训。
对于GenAI可能带来的负面影响， 高校学生普遍持有矛盾态度， 与香港的大学生表现相一致
［19］。他们不确定自己是否会过度依赖技术， 以及GenAI技术是否会阻碍通用能力发展、 降低大学教育价值等问题（均分介于2.61~3.40之间）， 这在一定程度上说明他们对于GenAI还较为懵懂， 对如何正确使用这一工具也缺乏清晰的边界意识。我们推测可能的原因有： 1） GenAI所带来的负面影响有些是潜移默化的， 难以马上意识到； 2） 大学生在GenAI态度调查的“了解部分”较为明确地知道GenAI工具本身的客观局限性， 他们相信自己能够辩证地看待GenAI输出的结果， 不会失去自己的判断力。但是， 对GenAI的长远影响， 比如， 给人的发展和教育所带来的后果， 缺乏预见。3） 中国长期处于集体主义文化下， 人们的从众心理突出， GenAI的潜在危害或错误， 在社会层面上会平均分配到各个成员， 这降低了个体对使用GenAI的代价感知。这反映了中国的文化特征， 需要引起注意。在中国文化背景下， 集体主义文化和高不确定性规避倾向影响着大学生对GenAI的态度。大学生往往更关注群体的利益和规范， 在使用GenAI时， 会考虑周围人的态度和评价， 这在一定程度上反映了大学生在我国社会的影响下， 对于GenAI的使用既充满期待又有所顾虑的复杂心理。
在GenAI的使用意图上， 大学生相信GenAI会对自身的学习产生持久且深远的影响， 并倾向于将它用于职业生涯发展的各类活动。本研究结果还显示， 大学生的参考群体中（如社交圈）其他人的态度和评价， 会影响他们对技术的使用意图， 比如， 周围的同伴或师长对GenAI的评价是积极和推荐的， 他们就更有可能公开使用这一技术
［42］。
5.3 男生、 理工科生、 研究型院校的学生对GenAI的态度更积极，专科学生对GenAI了解少且态度消极
尽管在代价感知上没有性别差异， 但在了解、 价值感知和使用意图上男性显著高于女性， 也就是说， 男生对于GenAI的熟悉程度、 价值感知以及使用意愿更高。以前的研究也表明， 多数情况下， 男性倾向于以更积极的方式感知技术， 而女性在使用新技术方面往往会经历更高程度的焦虑、 排斥， 担心或回避使用新技术
［34］。结合“女生的代价感知并不显著高于男生”这一发现来看， 女生对于GenAI态度较中立， 既不积极欢迎、 也不突出地反对。
在受教育水平上， 专科学生在了解、 价值感知和使用意图三个维度上的得分显著低于本科生和研究生， 而代价感知更高， 说明专科学生对于GenAI的知识储备相对较少， 态度也更为消极。一方面， 由于专科学生所接受的教育更强调实践性， 使用GenAI的机会有限； 另一方面， 专科生的学习投入度低， 学校的学业要求低。而本科生和研究生都面临大量的专业知识学习和一定的科研探索活动， 学习动机和基础也更好， 用到GenAI的机会多， 因此对GenAI的感知更深刻。此外， 根据不同受教育水平大学生在使用频率和熟悉程度上的百分比分布可以发现， 专科学生对于GenA不使用、 不熟悉的比例明显要比本科生和研究生更高， 经常使用、 非常熟悉的比例更低， 这说明GenAI在专科生中普及度低、 缺乏深度使用， 这也与此处的差异比较结果相呼应。出乎意料的是， 本科低年级、 本科高年级和研究生之间在GenAI态度上没有表现出统计学意义上的差异。从理论上看， 年级越高， GenAI的应用空间越大， 因为它能够解决更复杂更高层次的学习需求， 但是， 可能是由于学生还没有熟练掌握GenAI、 助力科研创新的经验有限， 从而限制了他们对GenAI的态度。这一现象背后的具体原因值得进一步探究。
专业方面， 理工科大学生比文科大学生对GenAI更了解、 态度更积极， 也更愿意使用这一工具。这可能是由于对GenAI应用需求的不同所致。文科类的大学生主要使用GenAI来整理、 汇总与翻译文献， 或对论文进行润色， 而理工科大学生还会用GenAI来帮助编写代码、 计算数据等， 需求和使用GenAI的机会更多。特别是工科大学生对于GenAI的知识了解、 价值感知和使用意图会更加强烈。Kelly等人的研究也表明， 自然科学学科和工程学科的大学生普遍报告了比人文学科大学生更高的使用GenAI的意识、 经验和信心
［20］。
在院校类型方面， 研究型大学的学生对GenAI的了解程度高于教学型大学和职业院校的学生， 代价感知则低于这两类院校的学生。研究型大学主要包括传统的985和211大学， 也包括部分一流学科所在的普通本科大学， 其突出特色是处于科技前沿， 学业挑战度高， 因此学生使用GenAI的机会和需求也更多。学生学习能力强、 有更强的信心和自律性能增强他们对于GenAI的掌控感， 削弱对GenAI的代价感知。研究型和教学型大学的学生， 对GenAI的价值感知和使用意图， 都显著高于职业院校的学生， 这反映了本科和职业院校在培养目标和教学方式上的差异： 职业院校的培养方案更重视实习实践， 相对而言， GenAI对解决他们在学习中的问题可能并没起到直接的支持作用。
5.4 启示及建议
第一， 高校应尽快推广人工智能素养教育， 致力于实现高等教育中的人机协同。虽然多数大学生用过， 但是熟练使用、 经常使用GenAI工具的大学生较少， 而且他们对GenAI的负面影响的认知存在矛盾， 即不清楚在什么情况下、 哪些使用方式会导致一些负面效果。这需要将人工智能教学和工具使用的目标， 从单纯的知识习得和迁移应用， 转向对智能技术的创新应用和人机治理
［43］， 帮助大学生从初尝阶段发展成会使用、 会分析、 会评价、 会创造的高级阶段， 引导大学生在使用中保持批判性思维， 提高他们的人工智能素养。
第二， 高校应严格筛选或开发真正有助于大学生发展的GenAI工具， 制定监管制度， 实现统一的GenAI治理。当前， 国内GenAI大模型越来越丰富， 他们各自的适用范围、 优缺点， 需要结合专业与院校特征来确定。如果任由大学生来试错， 不仅会因为使用不当、 打击信心， 而且难以管理。因此， 高校管理部门需要确保大学生使用的GenAI工具安全、 有效且有助于学习， 通过筛选合适的工具、 制定监管制度， 与人工智能教育普及双管齐下， 引导大学生正确使用GenAI， 提升他们AI素养的同时， 有效地维护学术诚信。此外， 还需要开发与学科、 专业相对应的专用人工智能大模型， 在教学和科研中实现深度的人机协同， 才能培养具有高度适应性和创新性思维的新质人才。
第三， 各类院校应根据不同的学情， 有针对性地制定AI素养教育策略。本研究表明， 不同性别、 受教育水平、 专业和院校之间的学生对于GenAI的看法有差异， 女生、 专科、 文科、 教学型和职业型院校是薄弱群体， 应该重点关注与帮扶。比如， 提高女生对新技术的参与度、 接受度， 让她们意识到技术的优越性以减少她们对新技术的焦虑。根据学生的受教育水平和教育背景， 高校应提供差异性的GenAI教育和培训， 研发机构也可以根据这类差异完善生成式人工智能技术， 满足不同层次学生的需求， 比如， 将GenAI与专科学生的实践教学相融合， 发掘其中的应用潜力； 为不同专业的学生提供定制化的GenAI工具， 以满足他们特定的学习和研究需求， 助力“AI+X”复合专业培养新模式。
5.5 不足及展望
尽管本研究调查了中国内地不同院校、 不同受教育水平和不同专业的学生， 样本量也较大， 但由于采用自陈报告的方式， 参与者可能受到社会期望或不准确回忆的影响， 导致研究结果可能存在偏差。本研究为横截面设计， 无法观察大学生随着时间推移和使用的增加， 对GenAI技术的体验会发生哪些变化。后续研究可以进一步探究在开设人工智能课程后， 学生对GenAI的看法发生了哪些变化。
此外， 本研究缺少对西部地区样本的收集， 也未比较不同经济水平地区学校学生之间的差异。在未来的研究中可以进一步补充。首先， 扩大样本的地域范围， 确保东西部地区以及不同经济水平高校的学生都能按比例纳入研究； 其次， 增加样本的多样性， 涵盖更多类型和层次的院校， 如艺术类、 体育类、 财经类等专业院校以及民办高校等； 再次， 考虑采用分层抽样或随机抽样的方法， 以减少样本偏差， 使样本能够更准确地反映中国高校学生的整体特征。通过这些改进措施， 可以更全面、 更深入地了解中国高校学生对GenAI的态度， 为制定更加科学、 有效的教育策略提供可靠的依据。
6 结 论
本研究以EVT为基础， 分析了大学生群体对于GenAI的了解、 价值感知、 代价感知和使用意图的基本情况， 并比较了大学生群体对GenAI使用在性别、 专业、 院校、 学段等方面的差异。研究发现： 1） 目前超过90%的大学生已经使用过GenAI， 但经常使用、 对GenAI熟悉程度高的人却只占三分之一； 超过一半的学生是自学的， 只有4.2%的大学生接受了正式培训； 2） 高校学生对GenAI普遍持积极态度， 有较高的熟悉度和使用意图， 但对于GenAI可能带来的负面影响持矛盾态度； 3） 女生、 文科生、 教学型和职业院校的学生， 相对来说对于GenAI的了解程度更低、 价值感知和使用意图更弱。上述结果表明， 高校应尽快推广人工智能素养教育， 严格筛选或开发真正有助于学生发展的GenAI工具， 根据不同的学情， 分层分类地制定有针对性的人工智能素养教育策略。
国家社会科学基金一般项目： 教师网络研修社区推动创新教学的作用机制和潜在条件研究(BIA220098)
华中科技大学教学研究项目： 基于非正式学习平台的线上线下混合式就业指导研究与实践的阶段性成果(2020167)
京公网安备11010202008535号
PDF
(769KB)
