1. 研究背景及目的
(一) 研究背景
生成式人工智能的出现为传统的教育方式带来了新的变革。作为一个多功能的AI工具，它通过自然语言理解和生成的能力，能够与用户进行高度自然的对话。在教育领域，AI工具不仅能够提供标准化测试的训练，还能够根据学生的具体需求提供定制化的学习资料，包括编程、数学问题解答、语言学习等。此外，AI工具的引入还有助于提高学生的学习动机，特别是对于那些自学能力较强，但缺乏足够学习资源的学生[1]。
随着人工智能技术的快速发展，ChatGPT、文心一言等AI工具已经成为许多人日常生活和学习的一部分，AI应用已然成为一个备受关注的话题，特别是在大学生群体中，这类工具因其强大的信息处理能力、即时回应查询以及提供多样化服务的能力而受到广泛关注。大学生在学术研究、日常生活管理以及职业规划等方面面临着独特的挑战，ChatGPT、文心一言等AI工具的出现被认为是解决这些挑战的潜在途径[2]。
在学术领域，大学生需要处理大量的信息，完成复杂的研究任务。生成式人工智能可以帮助他们高效地获取资料、整理笔记、文案润色，甚至提供论文写作的指导，不仅如此，AI工具还能够帮助大学生进行资源整合，例如搭建系统性学习框架、对某类文章中的观点进行对比分析等。在日常生活方面，从简单的日常查询(如天气预报、餐馆推荐)到心理健康支持，ChatGPT、文心一言等AI工具能够提供即时的帮助，改善学生的生活质量，不仅如此，大学生还能够通过AI工具进行交流、诉说压力、排忧解难、制定出行旅游计划等[3]。
(二) 研究目的
本次调查的主要目的是全面了解大学生在使用AI工具过程中的实际体验，包括使用频率、使用场景、遇到的挑战以及通过使用AI工具获得的具体益处。此外，调查还旨在评估AI工具在不同领域中的应用效果，以及这一技术对学生行为模式、学习效率和职业发展规划的影响[4]。
在构建关于大学生使用AI工具的调查问卷背景与目的时，我们旨在深入探索这一现代AI技术如何影响当代大学生在学术、生活和职业规划等方面的行为模式。通过精心设计的问卷调查，我们希望揭示大学生利用AI工具来应对日常挑战的具体方式，评估这种技术的有效性，以及理解其潜在的积极或负面影响[5]。
2. 方案设计
(一) 调查目的
本次研究以调查大学生使用AI工具现状为目的，对大学生对AI应用的认知和态度进行调查和分析，通过了解大学生使用的生成式人工智能工具的种类、了解程度等内容，探索大学生关于AI工具的看法及了解程度，从而了解大学生关于AI应用现状，并对未来AI工具使用发展趋势进行探索[6]。
(二) 调查内容
本次调查针对大学生群体，包含专科生、本科生、硕士生及博士生，探求该类大学生群体关于AI工具的看法、使用频率、功能的了解程度以及最常使用哪类AI大模型工具等内容，具体调查指标如表1所示。
Table 1. Research objectives and metrics
表1. 调查目的与指标
目的 |
一级指标 |
二级指标 |
生成式人工智能模型种类、媒介及功能 |
生成式人工智能模型类别 |
文心一言 |
ChatGPT |
讯飞星火 |
抖音豆包 |
腾讯混元 |
360智脑 |
通义千问 |
了解AI的媒介 |
自媒体 |
社交媒体 |
报纸书刊 |
周围人推荐 |
问卷 |
AI模型功能 |
语义纠错准确 |
分词准确 |
情感分析 |
对文本、主题进行分类 |
处理复杂问题 |
翻译内容 |
简单对话 |
图片识别 |
(三) 调查范围及对象
针对不同地域、不同年级、专业的大学生进行了广泛的调查，调查对象如表2与图1所示。
Table 2. Study population and coverage
表2. 调查对象及范围
年级 |
专科生 |
本科生 |
硕士生 |
博士生 |
专业类型 |
哲学 |
经济学 |
法学 |
教育学 |
文学 |
历史学 |
理学 |
工学 |
农学 |
医学 |
管理学 |
艺术学 |
Figure 1. Geographical distribution of survey respondents
图1. 调查对象分布地域
3. 数据分析方法
(一) 信度分析
信度分析用于评估测量工具的一致性和稳定性，即测量结果的可重复性。信度高意味着如果多次使用同一测量工具在相同条件下测量，得到的结果将会非常相似。
信度分析的原理主要基于内部一致性检验、重测信度和分半信度等方法。内部一致性检验(如Cronbach’s alpha)评估单个测试中所有项之间的平均相关性。重测信度涉及在两个不同时间点使用同一测试并评估结果的一致性。分半信度则是将测试分成两部分并比较这两部分的结果一致性。
(二) 效度分析
效度分析用于评估测量工具测量的内容是否确实是研究者意图测量的概念，即测量结果的真实性。效度高意味着测量工具能准确反映被测量的特性或概念。
效度分析的原理包括内容效度、标准效度和构念效度。内容效度指的是测量工具是否全面覆盖了要测量的概念的内容。标准效度涉及将测量工具的结果与某一标准或基准进行比较。构念效度则是评估测量工具是否能测量预定的理论构念，包括收敛效度和区别效度。
(三) 相关分析
相关分析用于评估两个或多个变量之间的关系强度和方向。相关系数的范围从−1到1，接近1或−1表示变量之间有强相关，而接近0表示没有或很弱的相关。
相关分析的原理基于统计方法计算变量之间的相关系数。常用的相关系数包括皮尔逊相关系数(用于连续变量和呈正态分布)、斯皮尔曼等级相关系数(用于等级数据或不满足正态分布的数据)和肯德尔等级相关系数。相关分析可以揭示变量之间是否存在某种统计关联，但不能确定因果关系。
4. 数据分析
本次调查采用问卷调查的方法，共回收108份有效问卷，下面对这些有效问卷进行数据分析。
(一) 信度分析
Table 3. Reliability analysis results
表3. 信度分析结果
样本量 |
项目数 |
Cronbach’s α系数 |
108 |
38 |
0.886 |
据表3所示，报告首先呈现了信度分析，显示Cronbach’s α系数为0.886。这是一个衡量问卷内部一致性的统计量，其中α系数的值范围从0到1。系数越接近1，表明问卷项目间的相关性越高，内部一致性越好。在社会科学研究中，0.7以上的α系数通常被认为是可接受的。因此，0.886的系数表明本问卷具有很高的信度，其结果相对可靠。
(二) 效度分析
Table 4. Validity analysis results
表4. 效度分析结果
项目 |
因子1 |
因子2 |
共同度 |
您当前所在的教育阶段是： |
−0.13 |
−0.72 |
0.538 |
您所学的专业类型是： |
−0.10 |
0.81 |
0.664 |
您对生成式人工智能(如ChatGPT、文心一言等)的了解程度如何： |
0.78 |
−0.17 |
0.633 |
您使用AI的频率是： |
0.79 |
−0.00 |
0.628 |
您如何评价AI在提供学术资源方面的准确性 |
0.69 |
0.12 |
0.491 |
您向朋友或同学推荐您所使用的生成式人工智能(如ChatGPT、文心一言等)的可能性有多大： |
0.56 |
0.38 |
0.455 |
特征根值(旋转前) |
2.08 |
1.32 |
- |
方差解释率% (旋转前) |
34.75% |
22.07% |
- |
累积方差解释率% (旋转前) |
34.75% |
56.82% |
- |
特征根值(旋转后) |
2.05 |
1.36 |
- |
方差解释率% (旋转后) |
34.09% |
22.73% |
- |
累积方差解释率% (旋转后) |
34.09% |
56.82% |
- |
KMO值 |
0.649 |
- |
巴特球形值 |
84.569 |
- |
df |
15.000 |
- |
p值 |
0.000 |
- |
据表4所示效度分析部分，报告通过因子分析来检验问卷的结构效度。结果显示两个因子的特征根值分别为2.08和1.32 (旋转前)，方差解释率分别为34.75%和22.07%，累积解释56.82%的方差。旋转后的特征根值和方差解释率略有变化，但累积方差解释率仍然是56.82%。KMO值为0.649，这是一个衡量样本是否适合进行因子分析的指标，一般来说，KMO值大于0.6就表明样本适合进行因子分析。巴特球形度检验的p值为0.000，远小于0.05的常规显著性水平，表明数据集适合进行因子分析。
(三) 相关分析
Table 5. Correlation analysis results
表5. 相关分析结果
项目 |
平均值 |
标准差 |
您对生成式人工智能(如ChatGPT、文心一言等)的了解程度如何： |
您使用AI的频率是： |
您如何评价AI在提供学术资源方面的准确性 |
您对生成式人工智能(如ChatGPT、文心一言等)的了解程度如何： |
2.69 |
1.05 |
1 |
|
|
您使用AI的频率是： |
3.16 |
1.22 |
0.49** |
1 |
|
您如何评价AI在提供学术资源方面的准确性 |
3.01 |
1.19 |
0.31** |
0.41** |
1 |
*p < 0.05 **p < 0.01.
据表5所示，相关分析揭示了几个变量间的关联程度。例如，对AI工具了解程度和使用频率之间的相关系数为0.49，呈现中度正相关，意味着了解程度越高的受访者越倾向于频繁使用AI工具。同样地，AI的使用频率与对其在提供学术资源准确性的评价之间的相关系数为0.41，表明经常使用AI的受访者更倾向于对其提供的学术资源的准确性给予积极评价。
(四) 问卷分析
问卷涉及多个问题，包括受访者的教育阶段、专业类型、对AI的了解程度、AI的使用频率、通过什么渠道了解到AI、使用AI的情境以及对AI准确性的评价等。
Figure 2. Educational background of respondents
图2. 受访者教育阶段
Figure 3. Disciplines of respondents
图3. 受访者专业类型
Figure 4. Respondents’ familiarity with AI
图4. 受访者对AI的了解程度
如图2、图3和图4所示，教育阶段的分布显示本科生(48.15%)为主要受访者，反映了该群体对AI技术的高度关注。在专业类型方面，理学和工学专业的学生对AI使用最为频繁，这可能与这些领域的技术亲和性有关。对AI的了解程度总体倾向于“一般了解”，这可能指示对AI的普及教育还有提升空间。
Figure 5. Frequency of AI usage among respondents
图5. 受访者使用AI频率
Figure 6. Contexts of AI use among respondents
图6. 受访者使用AI情境
Figure 7. Respondents’ AI knowledge level
图7. 受访者对AI了解程度
据图5、图6、图7所示，AI的使用频率不等，多数受访者每周至少使用一次AI，反映出AI在日常学术生活中扮演的角色。受访者在AI使用情境上以学业辅助和语言处理为主，显示出AI在教育领域的实际应用价值。对AI准确性的评价中，多数倾向于认为“较为准确”，但仍有一定比例的受访者表示“不确定/未使用过此功能”，表明对AI功能的了解和信任还有进步空间。
Figure 8. Respondents’ willingness to recommend AI
图8. 受访者推荐AI意愿
如图8所示，推荐AI给他人的意愿相对较高，大多数人表示愿意推荐，这可能反映出AI在用户中的正面形象和实用价值。
综上所述，问卷揭示了大学生对AI的接受度和使用习惯，同时也暗示了在高等教育中推广和教育AI的潜在需求。
(五) 不同学历层次的人对于各种AI软件的使用占比
图9展示了在不同学历层次的人中，他们对于各种AI软件的使用比率。
Figure 9. Percentage of respondents using AI software
图9. 受访者使用AI软件占比
这张柱状图展示了不同学历层次的人对于各种AI软件的使用比率。AI软件包括广为人知的ChatGPT和其他几种不同的AI工具。从图中我们可以看到，各个学历层次对这些工具的使用偏好和频率存在显著差异。
首先，ChatGPT在所有学历层次中使用率最高，特别是在硕士生群体中，使用比率高达85.71%。这可能表明ChatGPT的功能和接口对于更高学历的用户更具吸引力，或许是因为ChatGPT提供了较为高级的交互式体验和深层次的信息处理能力，这对于进行研究和高级学习的硕士生来说尤其有用。
相比之下，其他AI工具如智能写作和语音识别软件在不同学历层次中的使用率则有所不同。例如，语音识别软件在专科生中的使用率较高，而在硕士生中则较低。这可能反映了不同学习阶段对AI工具的需求差异，专科生可能更多地使用这些工具来辅助基础学习和日常事务。
此外，数据显示本科生在几乎所有类型的AI工具中的使用比率都较为平均，这可能说明本科生在使用AI方面较为多元化，他们可能在探索和尝试各种不同的工具以找到最适合自己的。
值得注意的是，博士生在使用所有类型的AI软件上比例都不是最高的，这或许意味着博士生在AI工具的选择上可能更加谨慎或有更专业的需求。
综上所述，柱状图清晰地描绘了不同教育背景的人群在AI软件应用上的差异性，这些差异不仅体现在偏好上，也可能与他们的专业需求和技术熟练度有关。这些信息对于AI软件的开发者和教育工作者来说都极具价值，因为它们可以帮助了解目标用户群的需求，从而改进产品功能和进行更有针对性的市场推广。
(六) 不同学历层次的人了解AI工具的渠道
图10展示了在不同学历层次的人中，他们了解各种AI软件的渠道。
Figure 10. Respondents’ channels for learning about AI
图10. 受访者了解AI渠道
这张柱状图表展示了不同学历的人群通过不同方式获知AI软件的比例。在图中，我们可以看到五种不同的获知渠道：自媒体、社交媒体、报纸书刊、周围人推荐以及学术论坛。
首先，自媒体作为获知渠道，在所有学历层次中都有较高的占比，尤其是在专科生中，其占比达到66.67%，这可能是因为自媒体的信息更新速度快，内容多样，易于获取。社交媒体作为获知AI软件的渠道在本科生中最为普遍，占比为52.38%，这可能反映了本科生较为频繁地使用社交媒体平台，且这些平台上有大量关于AI的讨论和分享。
然而，在报纸书刊方面，博士生的占比最高，达到38.46%，可能因为博士生需要进行更多的学术研究，所以更倾向于通过传统的学术资源来了解AI相关信息。而硕士生在通过周围人推荐这一渠道获知AI软件的比例最高，占比为33.33%，这可能说明硕士生所在的学术和研究环境中，同行之间的口碑推荐具有重要影响。
此外，学术论坛作为信息来源，在博士生中也占有较大比例，为34.78%，这同样反映出高学历人群在专业和学术交流平台上活跃，利用这些平台交流信息和发现新工具。
总体而言，这张图表清晰地展示了不同学历层次的人群倾向于通过不同的渠道了解AI软件。专科生和本科生更倾向于通过现代媒介如自媒体和社交媒体了解信息，而硕士生和博士生则更多依赖于传统媒体和同行推荐。这些差异可能与各学历阶段的生活习惯、信息获取习惯以及所在学术环境的特点有关。了解这些偏好对于AI软件的开发者在市场推广和用户教育策略制定上具有重要意义。
(八) 结果分析
通过以上分析，可以得出结论，该问卷是一个信度和效度都较高的工具，可以用来了解大学生对AI的使用感受及其潜在影响。数据显示，受访者对AI的了解和使用频率有着显著的相关性，这表明知识水平可能影响用户的使用习惯。同样，AI使用频率与对AI性能的积极评价之间的相关性表明用户的实际使用经验可能会影响他们对AI的信任和依赖程度[7]。
结合这些量化分析结果，研究者可以进一步探讨如何提高大学生对AI的了解，以增加其在学术和生活中的有效使用。同时，这也提示AI开发者和教育者需要加强对AI功能和优势的宣传，以提高其在教育领域的准确性和推荐程度。此外，从相关性分析中可以推测，随着对AI了解的深入和使用频率的增加，用户对AI准确性的正面评价可能会提升，这可能有助于AI技术在教育界的进一步采纳和整合。
问卷调查显示本科生是AI使用的主力军，这表明AI在本科教育阶段有广泛的应用潜力。专业类型的多样性揭示了AI跨学科的吸引力，尤其是在理学和工学领域，这可能与这些领域的课程内容和研究方向有直接关系。大学生对AI的了解水平和使用频率的数据显示了AI在高等教育中的渗透率，并反映出了解程度与使用频率之间的正相关关系。
信度和效度分析为问卷的可靠性提供了强有力的统计支持。一个高信度的问卷确保了所收集数据的一致性和可信度，而有效的效度分析保证了问卷项目真实反映了研究的构念。此外，相关性分析增强了我们对不同变量之间联系的理解，如AI使用频率和对其准确性评价之间的正相关性。
综合分析，我们可以得出，大学生群体对AI技术有较高的接受度，且他们通过多样的途径获知相关信息。AI的使用在不同学历阶段和专业类型中存在差异，其中本科生和硕士生表现出较高的使用频率。AI技术的准确性和推荐意愿表明了其在学术和研究中的价值，但也提示有必要增加对AI能力的信任度。
此外，自媒体和社交媒体作为信息获取的主要渠道，揭示了数字化媒介在科技传播中的重要性。地理分布的不均衡可能影响了AI接受度和使用情况的广泛性，也可能指示了特定地区的高校和学生更积极地采纳新技术。
最后，这些分析结果对于AI技术的推广者来说极具价值，它们不仅揭示了AI在当前大学生中的应用状态，还指出了未来提高AI在高等教育中采纳率的潜在途径，包括提升用户的认知水平和信任度，以及针对不同群体和地区制定差异化的推广策略。
5. 研究局限性及未来方向
本研究可能存在的局限性包括样本选择的偏差、自我报告数据的准确性问题等。未来的研究可以考虑采用更广泛的样本，包括不同国家和文化背景下的大学生，以探索文化差异对AI在教育应用效果的影响。此外，随着AI技术的不断进步，未来的研究还可以探讨更多新兴AI工具在教育领域的应用效果和潜力。
通过对大学生使用AI工具的深入研究，本研究不仅能够为教育实践提供指导，还能够促进教育技术的创新发展，为构建更加高效、个性化的学习环境做出贡献。随着AI技术在教育领域的应用越来越广泛，了解其在不同教学场景中的实际效果将对教育的未来发展产生重要影响。
6. 总结与展望
通过本次调查，我们期望能够获得以下几方面的成果：深入理解大学生使用AI工具的行为模式：通过分析大学生使用AI工具的频率、目的以及在不同场景下的应用，我们可以揭示出大学生依赖于此类AI技术的程度以及偏好，为未来技术开发和教育实践提供指导。
评估ChatGPT对学术效率的影响：通过调查大学生在学术研究和作业完成中使用AI工具的体验，可以评估这一工具是否真正提升了学术效率，以及它在提高学习质量方面的潜力。揭示ChatGPT在生活管理中的角色：了解大学生如何利用AI工具来简化日常生活管理任务，以及这一过程中遇到的挑战和问题，有助于开发者针对性地改进AI技术，使其更贴近用户需求。
探索ChatGPT在职业规划中的应用价值：分析大学生如何使用AI工具进行职业咨询、简历准备等，可以揭示这一技术在帮助用户规划未来职业道路方面的有效性和局限性。
识别大学生对于AI工具使用的主要担忧：包括对信息准确性、隐私保护以及过度依赖技术的担忧，了解这些担忧有助于未来在AI工具的设计和政策制定中采取相应的缓解措施。
提供针对性建议和策略：基于调查结果，可以为高校、教育政策制定者以及AI技术开发者提供基于实证研究的建议，如如何合理引导大学生利用AI技术，以及如何改进AI工具以更好地服务于教育领域。AI工具的出现，为教育领域带来了前所未有的机遇和挑战。通过不断的研究和实践，我们可以更好地理解和利用这些工具，以促进学习效率和质量，为学生提供更丰富、更个性化的学习体验。随着AI技术的持续进步，未来的教育将更加智能化、个性化和互动化，这不仅将改变学习方式，也将影响教学方法和教育体系的发展方向。
总之，本次调查旨在全面了解大学生使用AI工具的现状、挑战和需求，通过收集和分析数据，提出有针对性的建议，以促进AI技术在教育领域的健康发展。我们期望这一研究能够促进对AI技术在高等教育中应用的深入讨论，推动创建更加个性化、高效和安全的学习环境，从而更好地服务于大学生的学术研究、生活管理和职业规划。