生成式人工智能赋能职业院校学生学习：现状与应对.docx

生成式人工智能赋能职业院校学生学习：现状与应对

摘要生成式人工智能以其独特的技术属性与强大功能将会引发学习的全方位变革。对上海市13所中高职院校3505名学生的调研发现，学生对人工智能有所了解，认知比较理性，具备一定的智能化学习素养，对利用生成式人工智能开展学习有着明确的需求。但从现实来看，生成式人工智能赋能学生学习面临着学生的应用能力不足、思维钝化、违反学术伦理等困境与挑战。未来，政府层面需要明确规制，优化教育领域的人工智能应用设计；学校层面需要强化赋能，增强利用人工智能的思想意识和应对策略；教师层面需要转变观念，引领学生实现高质量的学习；学生个体层面需要面向未来，不断提升自身的生成式人工智能技术素养。

关键词职业院校；生成式人工智能；学生学习

一、问题提出

近年来，伴随着数字技术的发展，生成式人工智能依托“大数据+大算力+大算法”，已经参与到人类的知识与经验中，打破了传统人机关系“主—客”二分的对立格局，正在塑造一种不同于以往认知世界的框架[1]。在一定程度上，这将会引发学习的全方位变革，包括提高学习起点、优化学习形态、重构学习路径等[2]。生成式人工智能以其“响应敏捷、高效问答、多模态数据分析”的独特优势，在数学、物理、语言等学科，在支持和促进自主学习[3]、人机协同学习[4]、探究性学习[5]等学习模式上表现出色。有学者预言，随着人工智能技术的普遍使用，特别是机器学习和脑机接口技术的突破，人类的学习将从自然学习、经典学习和现代学习三个阶段进入到一个全新的学习进化阶段——超级学习阶段[6]。在这一阶段，学习的主要矛盾将表现为学习者思维、情感发展的多样性需求和知识获取的机器化之间的矛盾。

生成式人工智能的出现，使学生所处的学习环境和学习路径都发生了巨大变化，给学习带来了深刻影响和挑战。当前，学界对生成式人工智能是否会替代学习者思维，是否会导致学术伦理的越界、诱发作弊和抄袭等都进行了审慎的讨论[7]，认为智能设备的使用不当极易导致网络沉迷和信息茧房[8]，必然会面临因训练数据集缺陷而引发的价值观对抗、“观点霸权”和刻板印象等问题，对学习者的逻辑思维、批判性思维与创造性思维能力都提出了更高的要求[9]。

在教育数字化的影响下，学生运用人工智能工具的能力在不断提升，但在现实中，畏惧、逃避甚至拒斥人工智能应用的现象依然存在。缺失智能时代基本的适应力和生存力，可能面临巨大的就业压力和失业风险[10]。为此，亟须深入了解当前学生理解和使用生成式人工智能的真实状况，以期为生成式人工智能更好地赋能学生学习提供参考和依据。

二、研究设计

（一）研究工具

基于文献研究和先期访谈，编制“职业院校学生生成式人工智能应用现状与需求”调查问卷，主要包括学生基本信息，学生对生成式人工智能的使用情况，以及学生的认知、素养及需求期待情况。其中学生对生成式人工智能的使用情况采用选择题形式，用于了解学生对生成式人工智能的总体使用情况；学生的认知、素养及需求期待情况设计了21个题项，采用李克特五点量表方式作答。为了方便学生答题，题项均设置为正向。从“完全不符合、不符合、基本符合、符合、完全符合”分别计1～5分，得分越高表示感受越强，反之越弱。本研究使用SPSS25.0软件对所收集的数据进行信度和效度检验以及数据分析。初始问卷编制完成后，由3位职业教育专家、5位高职院校教师、10位大学生及2位企业兼职教师对问卷提出修改意见。修改后，对问卷进行了信度和效度检验，最终形成终测卷。

依据“预测样本量为总题项５倍量以上”的最佳原则，随机抽取了2所职业院校的178名学生开展预测，问卷有效回收率达到100％。预测问卷回收后，开展了信度和效度检验。

一是项目分析。项目分析可以从宏观上审视题项是否达到统计学要求，能否作为筛选或修改的依据，检验问卷题项的适切性和可靠性[11]。本研究使用临界比率法（CR值）对预测结果进行分析，将题项按维度总分高低依次排列，取前后27％分为高分组和低分组，对两组被试进行差异检测。结果显示各题项均具有较好的鉴别度，Ｐ＜0.05，具有统计学意义。

二是探索性因子分析。为进一步检测量表的结构效度，根据项目分析结果，将符合统计学意义的18个题项进行探索性因子分析。依据学者吴明隆的观点，KMO值大于0.6适合做探索性因子分析，为此各题项指标均符合要求。在多次、多组合的因子分析中，“1.我认为人工智能贴近我的生活”“3.我认为人工智能能够成为我学习的有效工具”“18.我认为自身当前还缺乏有效利用生成式人工智能的能力”三个题项内容，总游离于总体之外。因此，对此三个题项进行剔除，保留其余18个题项内容。然后使用主成分最大方差法求得旋转因素负荷矩阵。如表1所示，对调查的数据使用最大变异法正交旋转后得到每个因子负荷量均接近或大于0.6，其中1、2、3三个题项作为取