2025生成式AI对课堂学习成效的影响_实证研究述评报告_22页_342kb

本报告综述了生成式人工智能（GenAI）在正式教育中对学习成果的实证影响，旨在为教育者提供使用大语言模型（LLM）工具时的关键考量与指导。研究表明，教育目标与产业追求效率不同，核心在于培养学生持久且灵活的知识与技能，而非单纯提升生产力。过度依赖GenAI可能导致学生思维浅化、记忆减弱及批判性思维受损。

关键变量包括AI素养、教育公平、自我效能感、自主学习节奏和人际连接。AI素养是学生有效使用GenAI的基础，需理解其能力与局限，并掌握提示技巧和迭代互动策略。研究显示，缺乏AI素养的学生易过度信任输出，导致认知偏差。教育公平方面，GenAI虽有助于残障学生提升学习可及性，但可能加剧经济弱势群体的学习差距，高社会经济地位学生更易从中获益。

心理社会因素方面，GenAI可能引发学生对自身学习成效的误判，产生虚假自信，尤其影响初学者。尽管GenAI能提高学习效率，如缩短作业时间，但也可能削弱深度思考与知识内化。此外，其即时响应特性虽提供非评判性探索空间，却可能减少师生互动与同伴协作，影响高阶思维发展。

在布鲁姆分类学框架下，GenAI对基础认知技能（记忆与理解）有负面影响，如依赖聊天机器人做笔记会损害记忆保持。对于高阶思维（分析、推理、创造力），若无教学支架，GenAI可能阻碍必要的认知挑战过程。学生使用GenAI进行创意解决问题时，虽能提升项目完整性，但易出现思路固化，原创性下降。

当前多数GenAI工具基于通用聊天机器人改造，缺乏深层教学设计。实验性AI导师若嵌入经验证的教学策略并由教师参与设计，则显示出更好效果。报告最后提出四项整合建议：确保学生具备学科基础后再引入GenAI；系统教授AI素养；将GenAI作为传统教学的补充而非替代；推动促进参与的设计干预，如限制复制粘贴、加强元认知调节、引导批判性思维，并优先采用符合教学规律的AI工具。成功应用GenAI的关键在于平衡技术优势与教育本质，维护人类连接与深度学习。