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

中图分类号 G712 文献标识码 A 文章编号 1008-3219（2025）02-0029-06

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、3三个题项作为取样适切性量数指标的KMO为0.723，因子累计方差贡献为76.76%（大于75.00%），基本可以作为三个题项内容的代表性因子；4～9六个题项的KMO为0.928，因子累计方差贡献为84.62%（大于75.00%），非常适合作为六个题项内容的代表性因子；10～18九个题项的KMO为0.955，因子累计方差贡献为79.37%（大于75.00%），基本可以作为九个题项内容的代表性因子，由此得到三个维度。然后，依据每个维度所包含的题项内容对三个因子分别命名为“了解与认知”“技能与素养”“希望与期待”。

信度检验结果显示，３个因子的内部一致性信度α为 0.863～0.946，总量表信度α为0.953，表明内部一致性信度较高。从效度检验来看，本问卷量表在文献研究和前期访谈基础上形成，并使用项目分析、探索性因子分析对量表的维度再次验证，最终确定三个维度，保证了量表的内容效度和结构效度。

（二）研究对象

研究工具确定后，本研究选取了上海市具有代表性的7所中职学校和6所高职院校的学生作为研究对象。问卷量表通过问卷星，面向上述职业院校发放，调研时间为2024年2月18～25日，共回收有效问卷3505份，其中中职学生问卷2213份，占比63.13%，高职学生问卷1292份，占比36.87%。具体分布如表2所示。

三、研究结果

（一）总体状况：学生对人工智能有所了解，认可人工智能对学习和生活的作用，但仅有部分学生听说并尝试使用过生成式人工智能工具

在参与调研的3505名学生中，了解人工智能的学生比例要远高于了解生成式人工智能的学生比例。其中，对人工智能非常了解的占比18%，而对生成式人工智能很了解的仅占7.34%；不了解和完全没听说过人工智能的学生占比3.94%，完全不了解生成式人工智能的达到了40.3%。学生听说过的生成式人工智能工具主要集中在ChatGPT（70.9%）、文心一言（27.28%）、讯飞星火（25.14%）、Gemini（21.14%）和盘古（19.43%），还有16.86%的学生没有听说过任何生成式人工智能工具。从生成式人工智能工具的使用情况来看，使用过ChatGPT的学生最多，达到49.9%，有20.06%的学生使用过文心一言，有13.55%的学生使用过讯飞星火，使用比例均低于知晓比例。从教学情况来看，选择“教师普遍使用过人工智能开展教学”的学生比例仅为16.83%，极个别教师使用过的占比31.04%，基本没使用过的占比48.5%；从学生学习情况看，经常使用人工智能帮助自身学习的占比14.49%，偶尔使用的占比55.35%，从未使用过的占比28.87%，见表3。

（二）三因子分析：学生对生成式人工智能的总体感受受多重因素影响，其中学生对生成式人工智能赋能学习的希望与期待尤为重要

本研究采用多元线性回归模型分析，通过因子进入模型的先后顺序来判断代表因子的重要性，根据标准化回归系数来判断不同因子对学生总体感受影响的大小。模型拟合采用了“逐步进入”拟合方法，在这个过程中，能看到模型从一元到多元的逐步演进过程。如表4所示，首先进入模型的是“希望与期待”，模型拟合度达到了0.956，显然，“希望与期待”成为影响职业院校学生对生成式人工智能总体感受的第一重要因素；其次，“了解与认知”是第二个进入模型的因子，在该模型中，“了解与认知”和“希望与期待”共同影响职业院校学生对生成式人工智能的总体感受，但“希望与期待”的影响系数超过“了解与认知”，模型拟合度达到了0.984；最后，“技能与素养”才进入模型，但是其影响系数位于“了解与认知”和“希望与期待”之间，模型拟合度达到了0.998。

通过三个因子进入模型的顺序，可以认为，三个因子的重要性依次为：希望与期待、了解与认知、技能与素养，但在综合影响作用下，三者的影响按从大到小的顺序则为“希望与期待”“技能与素养”“了解与认知”。

从学生对三因子所属题项的具体选择来看，三因子的平均分均超过了3分，处于“基本符合”和“符合”之间，其中因子2“技能与素养”的平均分最高，为3.85分；因子3“希望与期待”为3.84分，因子1“了解与认知”相对较低，为3.41。

从“希望与期待”来看，多数学生希望教师在教学中使用生成式人工智能工具，希望学校能够提供AI应用系统，并期待开展相关的培训和学习。其中“我希望学习网络安全的基本知识”选项均分达到了最高的3.98，接近“符合”，说明学生对自身学习的网络安全、学校支持等都有明确期待。

从“技能与素养”来看，多数学生能够认识到使用AI时的道德考量，并注重遵守道德准则和隐私政策，多数学生愿意学习AI技能并融入未来职业发展中。其中“我能确保在使用AI工具时遵守道德准则和隐私政策”的选择均分达到了3.91。在前期访谈阶段，由于对生成式人工智能的了解程度和使用程度都不高，几乎所有学生都提出需要进一步提升自身的数字化技能和素养。

从“了解与认知”来看，学生对生成式人工智能的认知相对比较理性，95%以上的学生选择能够“对AI产生的结果保持批判性”，平均分达到了3.51分。但也有76.18%的学生认为“人工智能课堂有可能影响教育规律和教育伦理”，有84%的学生认为“生成式人工智能在教学中的应用还很遥远”，平均分分别为3.29、3.43，说明学生能够相对理性地看待生成式人工智能对学习的影响。

（三）差异性分析：不同性别、年级、学校类型的学生对生成式人工智能的认知、素养和期待，部分题项存在显著差异

单样本检验结果显示，所有调研题项均通过了显著性检验。以此为基础，研究进行了方差齐性检验和参数检验，并采用单因素方差（ANOVA）分析方法进行差异显著性检验。结果显示，在95%的置信水平下，男女生之间、不同学校类型之间和不同年级之间，学生了解、掌握和应用生成式人工智能的差异情况不同。

首先，不同性别的学生在生成式人工智能的认知、素养和期待方面存在显著差异，其中在“了解与认知”的三个题项上均差异显著（P<0.001）；在“技能与素养”的“持续关注最新的研究成果和技术动态”“将AI技能融入未来的职业发展”两个题项上差异显著（P<0.001）；在“希望与期待”的“尝试开展自己的AI项目”“期待生成式人工智能早日进入学校和课堂”三个题项上差异显著（P<0.001）。其次，不同年级的学生对生成式人工智能的认知、素养和期待，除了“我认为人工智能课堂有可能影响教育规律和教育伦理”（p=0.243）、“我认为生成式人工智能在教学中的应用还很遥远”（p=0.142）以外，其余题项内容均存在显著差异。第三，不同类型学校的学生在生成式人工智能方面的认知、素养和期待，除了“我认为生成式人工智能在教学中的应用还很遥远”（P=0.286）以外，其余题项内容均存在显著差异。