生成式人工智能工具使用對高校學生批判性思維與自主學習能力的影響

[摘" "要] 生成式人工智能（Generative Artificial Intelligence，GenAI）工具為教育數字化轉型賦能人才培養帶來了新動力。研究對1781位高校學生進行問卷調查，探究使用GenAI工具情況對其批判性思維與自主學習能力的影響。發現：（1）使用GenAI工具的學生的批判性思維和自主學習能力顯著高于未使用此類工具的學生；（2）堅持使用GenAI工具的學生在批判性思維和自主學習能力的表現上比未堅持使用的學生更為優異；（3）相比于本科生和普通高校的學生，研究生和就讀于“雙一流”高校的學生使用GenAI工具提升其批判性思維與自主學習能力的效果更為明顯；（4）目前學生大多使用GenAI工具提問封閉型問題，需要進一步分析此類工具為學生提供個性化輔助的邊界。

[關鍵詞] 高等教育； 人才培養； 高校學生； 生成式人工智能； 批判性思維； 自主學習能力

[中圖分類號] G434" " " " " " [文獻標志碼] A

[作者簡介] 戚佳（1999—），女，重慶人。博士研究生，主要從事高等教育數字化、高等教育管理研究。E-mail：b201711030508@163.com。劉繼安為通信作者，E-mail：jian.liu@ucas.ac.cn。

一、問題的提出

以ChatGPT為代表的GenAI工具引發了新一輪智能化浪潮，為創新人才培養范式帶來了新機遇[1]。高等教育是培養創新人才的高地，探究GenAI工具對高等教育階段人才培養的影響具有重要意義[2]。GenAI工具以大語言模型為基礎，憑借強大的檢索和內容生成能力，以及對話式互動模式，能夠作為學生的個性化學習助教，支持學生進行自主學習[3]。GenAI工具的內容生成功能可以幫助學生完成重復性的任務，有益于學生從事更具創造性的學習活動[4-6]。但若學生過度依賴GenAI工具，會導致學習過程中學習主體的缺失，不利于學生高階能力的發展[7]。而批判性思維與自主學習能力是數智時代人才的核心高階能力[8]，發展學生的批判性思維和自主學習能力是高校創新人才培養的重要目標[9-10]，因此，探究使用GenAI對學生批判性思維和自主學習能力的影響具有重要意義。

目前相關研究以學理性的思辨類文章為主，缺少微觀實證研究證據。本研究試圖回答“GenAI工具對高校學生批判性思維和自主學習能力有何種影響”這一總體問題。考慮到高校學生對GenAI工具的接受程度和使用效果存在差異[11]，研究在針對高校學生在自主學習過程中使用GenAI工具的情況展開調查的同時，探究不同的學生群體使用GenAI工具的獲益程度是否存在差異，以期為優化面向人工智能時代的人才培養模式提供參考。

二、研究假設

雖然已有研究對批判性思維與自主學習能力的定義略有差異，但批判性思維概念的核心指向個體能夠發現某事物、現象和主張的本質，并發表獨立、有邏輯且系統化見解的能力[12-14]；自主學習能力的定義則多包括個體確定自我學習目標，根據目標選擇合適的學習方法，能夠對學習過程進行有效的監控，且可以對自主學習的結果進行評價，反思并調整學習的方式[15-16]。

雖有學者擔憂GenAI工具的出現不利于學生的高階能力發展[7]，但已有研究發現本科生在課堂學習中使用ChatGPT輔助學習能夠提升其批判性思維[17-19]。這是因為在使用GenAI工具時，學生需要結合現有和其他來源的信息評估GenAI工具所生成內容的可信度和有效性[20]，這促使學生進行質疑、分析和反思[21-22]。而為了獲取更準確的信息，學生需要不斷調整自己的提問方式及關鍵詞，在與GenAI工具的迭代式互動中明確需求、分析問題的根源[23]。循環往復，學生不斷練習如何對事實進行分析和評估，建立起檢查論證邏輯的能力，從而鍛煉與提升其批判性思維[24]。

GenAI工具對話式互動的特性可以鼓勵學生深入思考，根據反饋調節自身學習進程，因此，有利于培養學生的自主學習能力[10]。首先，GenAI工具所具有的快速檢索信息及生成內容的功能，可為學生提供及時且個性化的反饋與指導，提高學生的自主學習效率[25-26]。更重要的是，GenAI工具能夠根據學生的需求提供學習材料，也可以對學生的學習進度與階段性成果進行評估，由此降低學生自主學習的難度，輔助學生對自我學習進程的監控與調整[7]。

據此，本研究提出以下假設：

假設1：相對于未使用GenAI工具，學生使用GenAI工具對自身的批判性思維具有正向促進作用。

假設2：相對于未使用GenAI工具，學生使用GenAI工具對自身的自主學習能力具有正向促進作用。

此外，已有調查顯示，堅持使用GenAI工具的用戶比率并不高，部分用戶嘗試使用GenAI工具后，會由于不能掌握工具使用技巧等原因而放棄[27]。但很少有研究探究高校學生使用GenAI工具是否存在相似情況。放棄使用GenAI工具的行為在一定程度上反映了使用者暫不具備與工具進行有效互動的能力，無法從工具使用中獲益。

據此，本研究提出以下假設：

假設3：相對于未堅持使用GenAI工具，學生堅持使用GenAI工具對自身的批判性思維具有正向促進作用。

假設4：相對于未堅持使用GenAI工具，學生堅持使用GenAI工具對自身的自主學習能力具有正向促進作用。

使用GenAI工具提問的問題類型可按認知需求與開放性程度進行分類[28]。認知需求程度越高的問題，越需要學生對問題進行理解、評價，并基于已學習的知識進行創新；開放性程度越高的問題，越難有標準答案，可以存在多種解答思路[29]。越是高認知需求、高開放程度的問題，越需要學生綜合運用高階能力，即對批判性思維與自主學習能力的積極影響越大[30]。同時，已有研究發現，高校學生對GenAI工具的接受程度和使用效果并不相同，相比于女性，男性使用GenAI工具的意愿更高，并且表現出更高的使用滿意度，而年齡越小的學生或就讀于高層次大學的學生使用GenAI工具的效果更好[31-32]。

據此，本研究提出以下假設：

假設5：學生使用GenAI工具提問的問題類型對其批判性思維、自主學習能力的影響存在差異。

假設6：不同的學生使用GenAI工具提高批判性思維、自主學習能力的程度存在差異。

三、研究設計

（一）問卷編制

本研究以我國高校在讀本、碩、博學生為調查對象，編制《高等教育階段生成式AI工具使用情況》調查問卷。問卷包含三個部分：第一部分采集學生GenAI工具的使用情況，第二部分測量學生的批判性思維與自主學習能力，第三部分收集學生人口統計學信息。具體測量工具的編制如下：

批判性思維：參考現有成熟量表修訂形成高校學生批判性思維測量量表[33-35]。本研究的批判性思維是指學生理性的思考方式，是對事實的分析、解釋和評估，以及對論點和論證進行系統性檢查的能力。研究從求知欲、推斷、評估、反思和系統化能力五個維度測量學生的批判性思維，采用7分Likert量表格式，共10個題項。改編后量表的內部一致性信度良好，Cronbach's α 為0.92。（1=完全不符合，7=完全符合）。

自主學習能力：結合現有問卷，修訂形成高等教育階段學生自主學習能力量表[36-37]。本研究的自主學習能力指學生能夠自主擔負學習的責任，具有清晰的學習目標，能夠利用相關的學習材料，對個人的學習過程進行自主監控與調節，并評估自己的學習成果。研究從目標制定、材料收集、過程調節與成果評價四個維度測量學生的自主學習能力，采用7分Likert量表格式，共10個題項。改編后量表的內部一致性信度良好，Cronbach's α 為0.93。（1=完全不符合，7=完全符合）。

學生使用GenAI工具提問的問題類型：根據“認知需求—開放性程度”分類方式[30]，將學生使用GenAI工具探究的問題分為低認知封閉型、低認知開放型、高認知封閉型、高認知開放型四種類別。“低認知需求—封閉型”（LC）問題具有固定答案，通常對應基礎性和記憶性知識的問題；“低認知需求—開放型”（LO）問題無明確答案，且不需要太多的創新或復雜的推理能力；“高認知需求—封閉型”（HC）問題涉及多個知識點的綜合應用，需要運用已掌握的信息進行較為復雜的分析或解釋，問題的答案雖然固定，但需要思考和推理才可獲得；“高認知需求—開放型”（HO）問題沒有明確的答案，并且重視思維過程，需要基于已有知識進行深度思考。本研究結合已有研究關于學生使用GenAI工具完成任務類型的統計[38-39]，按照“認知需求—開放性程度”四分類方式，總結出八種具體問題，四個類別各包括兩個問題，采用5分制打分測量對應問題的提問頻率。

個體信息：包括性別、專業、學習階段與學校類型等。其中，學生所讀專業分為自然科學與人文社科兩大類別，自然科學包括理、工、農、醫學，人文社會科學包括法學、管理、經濟、社會學、文學、藝術、歷史和哲學。學習階段分為本科階段和研究生階段，研究生包括碩士研究生和博士研究生。學校類型分為“雙一流”高校與普通高校，參考2022年教育部等發布的《第二輪“雙一流”建設高校及建設學科名單》[40]。

（二）數據來源

在2023年12月27日至2024年1月10日期間進行在線問卷調查，面向全國76所高校發放問卷。研究共回收問卷2694份，有效問卷1781份，有效率66.11%。其中，男性占比45.2%，女性占比54.8%；本科生占比63.8%，研究生占比36.2%；自然科學專業占比42.3%，人文社科專業占比57.7%；“雙一流”高校學生占比46.3%，普通高校學生占比為53.7%。使用過GenAI工具的學生占比81.3%，其中，堅持使用GenAI工具的學生占比45.0%，未堅持使用的學生占比55.0%。

（三）數據分析方法

本研究旨在考察高校學生是否使用，以及是否堅持使用GenAI工具對其批判性思維、自主學習能力的影響，同時判斷不同特征的學生，以及使用GenAI工具的提問類型與學生批判性思維、自主學習能力變化之間的關系。

首先，以學生使用GenAI工具的情況作為解釋變量，以性別、專業、學習階段與學校類型作為控制變量，通過多元線性回歸分析以上因素對學生批判性思維與自主學習能力表現情況的影響；其次，采用傾向值匹配法（PSM）對回歸結果進行穩健性檢驗；最后，使用Oaxaca-Blinder分解法分析使用GenAI工具和未使用GenAI工具的學生、堅持使用GenAI工具和未堅持使用GenAI工具的學生在批判性思維及自主學習能力表現情況上的平均差異可以被哪些觀測變量解釋，即不同性別、專業、學習階段、學校類型和使用GenAI工具提問的類型對學生批判性思維與自主學習能力表現差異的貢獻。

Oaxaca-Blinder分解法最早用于分解個體工資的差異[41]，而后學者采用此方法分析不同群體間經濟收入、心理收益或能力變化差異的來源[42-44]。該方法能夠把群體間的差異來源分解為可觀測的特征差異（即可解釋部分）與不可觀測的系數差異（即不可解釋部分），進而判斷產生差異的原因，具體的分析過程如下：

四、實證研究發現

（一）多元線性回歸分析：GenAI工具的使用對批判性思維與自主學習能力的影響

本研究構建四個多元線性回歸方程模型。模型一與模型二探究學生是否使用GenAI工具與其批判性思維、自主學習能力表現情況之間的關系，模型三與模型四探究學生是否堅持使用GenAI工具與其批判性思維、自主學習能力表現情況之間的關系。共線性診斷結果表明，四個模型中，觀測變量的方差膨脹系數（Variance Inflation Factor，VIF）在1.24～3.62之間，小于5的判定標準，處于可接受范圍，即回歸方程中的觀測變量之間不存在嚴重的多重共線性問題，具體結果見表1。

回歸結果表明，相對于未使用過GenAI工具和未堅持使用的學生，使用過和堅持使用GenAI工具對學生批判性思維和自主學習能力具有顯著的正向影響，假設1至假設4初步得到驗證。同時，相對于普通高校的學生，“雙一流”高校的學生使用GenAI工具對其批判性思維和自主學習能力具有顯著的正向作用。而在使用過GenAI工具的學生中，相比于本科生，研究生堅持使用GenAI工具對其自主學習能力的正向影響顯著。

目前學生更傾向于使用GenAI工具探究具有標準答案的封閉型問題，此結果與已有研究的發現一致[34]。模型三和模型四的結果顯示：（1）學生使用GenAI工具探究低認知封閉型問題的頻率對學生的批判性思維具有顯著的正向影響；（2）提出封閉型問題的頻率越高，無論是低認知還是高認知的封閉型問題，學生的自主學習能力會顯著提高。

學生傾向于使用GenAI工具探究封閉型問題這一現象，或與GenAI工具存在外在幻覺技術缺陷相關。GenAI工具的“幻覺”（Hallucination）是生成無意義或與提問源內容無關的內容的現象，幻覺可分為內在幻覺和外在幻覺，內在幻覺指生成內容與源內容存在矛盾，外在幻覺指生成內容無法用源內容進行驗證[45]。目前GenAI工具的一個主要問題是“無中生有”，即外在幻覺嚴重[46-47]，因此，對于沒有固定答案的開放型問題，學生無法驗證或難以評估GenAI工具生成的內容，故較少使用GenAI工具探索開放型問題。

（二）傾向值匹配法：GenAI工具使用情況對批判性思維與自主學習能力影響的穩健性檢驗

本研究采用傾向值匹配法對回歸模型的結果進行穩健性檢驗。首先匹配使用過GenAI工具和未使用GenAI工具的學生中的相似個體，其次匹配堅持使用GenAI工具和未堅持使用GenAI工具的學生中的相似個體。第一組匹配的處理組（N=1448）和控制組（N=333）的樣本量差距較大，故采用非參數匹配的核匹配法。第二組匹配的處理組（N=652）和控制組（N=796）采用最近鄰匹配法（k=1、k=4）和卡尺匹配法（卡尺值=0.01）進行匹配。

傾向值匹配法的結果顯示，第一組匹配中，相較于沒有使用過GenAI工具的學生，使用過此類工具的學生批判性思維［Average Treatment effect on the Treated （以下簡稱ATT）=0.21，plt;0.001］和自主學習能力（ATT=0.18，plt;0.01）顯著更高。第二組匹配中，相較于沒有堅持使用GenAI工具的學生，堅持使用此類工具的學生批判性思維（ATTgt;0，plt;0.01）和自主學習能力（ATTgt;0，plt;0.001）顯著更高。傾向值匹配法穩健性檢驗結果驗證了多元線性回歸結果，即使用GenAI工具、堅持使用GenAI工具對學生的思維和學習能力發展具有積極的作用。

（三）Oaxaca-Blinder分解法：批判性思維與自主學習能力差距來源的效應分解

為探究哪類學生群體更能從GenAI工具的使用中獲益，本研究采用Oaxaca-Blinder分解（以下簡稱OB分解）進行分析。研究基于回歸分析的結果，運用式（3）進行OB分解，使用pooled分解類型，學生是否使用GenAI工具對批判性思維和自主學習能力的OB分解結果見表2，學生是否堅持使用GenAI工具的OB分解結果見表3。

表2顯示，在批判性思維方面，相比于使用過GenAI工具的學生，未使用過GenAI工具的學生批判性思維平均低0.218分，性別、專業、學習階段和學校類型的總體特征效應的可解釋比例為8.3%，兩個組別學生的批判性思維的大部分差距源于系數效應。在自主學習能力方面，相比于使用過GenAI工具的學生，未使用過GenAI工具的學生的自主學習能力平均低0.195分，性別、專業、學習階段和學校類型的總體特征效應不顯著，總體系數效應對于自主學習能力差異的貢獻顯著。

系數效應與特征效應的顯著性表明，相比于普通高校的學生，“雙一流”高校的學生使用GenAI工具對其批判性思維與自主學習能力的提升更為顯著。但對于批判性思維的影響并不僅僅限于學生使用GenAI工具的影響，也可能來自于“雙一流”高校的其他條件，比如，更濃厚的批判性思考氛圍，或更好的相關資源支持等。同時，相對于本科生，研究生使用GenAI工具對其批判性思維和自主學習能力的提升更為顯著，此影響同樣源于不可觀測的結構性因素，比如，研究生所處的學習環境，批判性思考和自主學習的氛圍更為濃厚。

表3顯示，在批判性思維方面，相比于堅持使用GenAI工具的學生，未堅持使用GenAI工具的學生的批判性思維平均低0.236分，分解結果表明總體特征效應顯著，總體系數效應并不顯著。在自主學習能力方面，相比于堅持使用GenAI工具的學生，未堅持使用GenAI工具的學生的自主學習能力平均低0.258分，同樣為總體特征效應顯著，總體系數效應并不顯著。

就批判性思維而言，堅持使用GenAI工具對研究生和就讀于“雙一流”高校的學生的促進作用更強。同時，低認知封閉型問題提問頻率產生的差異為特征效應，說明此差異主要是由提問頻率導致；而高認知封閉型問題提問頻率產生的差異為系數效應，表明此差異由未測度的因素造成，如學生的學習動機、學習習慣等。對于自主學習能力，提問低認知封閉型問題和高認知封閉型問題更頻繁，使得堅持使用GenAI工具的學生自主學習能力提升更為明顯，這是由提問頻率和方式等導致的。此外，來自學校類型與低認知開放型問題提問頻率對堅持使用GenAI工具提升自主學習能力效果的差異影響顯著，且為系數效應，表明此差異由學校氛圍、個體使用GenAI工具學習的內容以及習慣等未觀測因素造成。

五、結論與建議

GenAI工具為數智時代高校創新人才培養帶來了新契機。本研究采用問卷方法，探究高校學生使用GenAI工具對其批判性思維和自主學習能力的影響，運用多元線性回歸分析GenAI工具使用情況對學生批判性思維及自主學習能力的影響，結合傾向值匹配法進行穩健性檢驗。同時，采用OB分解法探究哪類群體使用GenAI工具提升批判性思維和自主學習能力的效果更加明顯。主要結論如下：

使用GenAI工具和堅持使用此類工具的高校學生與未使用過、或未堅持使用的學生相比，在批判性思維和自主學習能力上存在顯著差異，即高校學生使用GenAI工具能夠鍛煉批判性思維、增強自主學習能力。

相比于普通高校的學生，“雙一流”高校的學生使用和堅持使用GenAI工具，對其批判性思維和自主學習能力的提升更為明顯。相對于本科生，研究生能從GenAI工具的使用中獲益更多。

在使用過GenAI工具的學生中，堅持使用此類工具并頻繁提問具有明確答案的封閉型問題的學生（無論問題的認知水平高低），相比未堅持使用GenAI工具的學生，其批判性思維、自主學習能力更突出。此外，堅持使用此類工具的學生提問低認知開放型問題越頻繁，與未堅持使用的學生的自主學習能力的差異越大。

基于此，研究得出如下啟示及建議：

第一，GenAI工具通過輔助高校學生的學習與科研活動，能夠提升學生的批判性思維與自主學習能力，為數智時代的人才培養帶來了新機遇。但亦有學者擔憂缺乏學習內驅力的學生在使用GenAI工具時，會依賴工具所提供的便捷信息，將思考能力“外包”給機器，因此，未能達到輔助自主學習、鍛煉自主學習能力的效果，喪失訓練批判性思維的機會[48]。對此，高校引入GenAI工具時，需要配套改革學生學習的評價方式與手段，引導學生深度發掘工具的輔助作用，進行有意義學習，并避免學生用工具代替自己的學習與思考，應付傳統的課堂任務與測驗，保障GenAI工具的應用能夠提升學生的高階能力[49]。

第二，高校與社會應當注意GenAI工具對教育公平造成的潛在風險。高校學生使用GenAI工具的使用效果并不相同[11]，就讀于不同層次的學校、處于不同學習階段的學生從GenAI工具中的獲益程度存在明顯差異，使用GenAI工具對“雙一流”高校的學生以及研究生的積極作用更為顯著。換而言之，受教育程度越高的優勢群體使用GenAI工具獲益更多。高校尤其需要關注如何為后進群體提供必要的技術支持與培訓，使得這部分學生能夠從GenAI工具帶來的教育機遇中平等獲益[32]。

第三，GenAI工具能夠為學生的自主學習提供支持的范圍有待進一步的研究。目前，學生主要使用GenAI工具提問有著明確答案的封閉型問題[39]，這可能與當前GenAI工具存在外在幻覺現象[46-47]以及給出“臆想”答案有關。需要深入探究GenAI工具的固有技術缺陷，分析學生使用GenAI工具提問不同類型問題習慣背后的原因，以及提問不同類型問題對學生使用工具獲益的長期效應，梳理此類工具為學生提供學習輔助的邊界，尋找以GenAI工具有效助力學生提升高階能力的方案。

[參考文獻]

[1] 吳慮，楊磊. ChatGPT賦能學習何以可能[J]. 電化教育研究，2023，44（12）：28-34.

[2] 胡欽太，危妙，陳穎珊. 高等教育數字化：演進、挑戰與轉型[J]. 國家教育行政學院學報，2023（4）：20-26.

[3] CHIU T K F． Future research recommendations for transforming higher education with generative AI [J]. Computers and education： artificial intelligence， 2024（6）：100197.

[4] 陳凱泉，胡曉松，韓小利，等. 對話式通用人工智能教育應用的機理、場景、挑戰與對策[J]. 遠程教育雜志，2023，41（3）：21-41.

[5] 金慧，彭麗華，王萍，等. 生成未來：教育新視界中的人工智能與高等教育變革——《2023地平線報告（教與學版）》的解讀[J]. 遠程教育雜志，2023，41（3）：3-11.

[6] 熊璋，武迪. 教育強國建設背景下人工智能賦能教育創新的路徑探索[J]. 人民教育，2023（19）：6-10.

[7] 段世飛，錢跳跳. ChatGPT浪潮下的高階能力培養：可為、難為、何為[J]. 河北師范大學學報（教育科學版），2024，26（4）：80-88.

[8] 王竹立，吳彥茹，王云. 數智時代的育人理念與人才培養模式[J]. 電化教育研究，2024，45（2）：13-19.

[9] 陳麗，沈欣憶. 終身學習數字化轉型的哲學觀與創新方向[J]. 遠程教育雜志，2024，42（1）：9-14，23.

[10] 祝智庭，戴嶺，胡姣. 高意識生成式學習：AIGC技術賦能的學習范式創新[J]. 電化教育研究，2023，44（6）：5-14.

[11] CHAN C K Y，HU W J． Students’ voices on generative AI： perceptions，benefits，and challenges in higher education[J]． International journal of educational technology in higher education，2023，20（1）：43．

[12] 岳曉東. 批判思維的形成與培養：西方現代教育的實踐及其啟示[J]. 教育研究，2000，21（8）：65-69.

[13] 鐘啟泉. 批判性思維：概念界定與教學方略[J]. 全球教育展望，2020，49（1）：3-16.

[14] LIPMAN M. 探究共同體：思考的課堂[M]. 河野哲也，土屋陽介，村瀨智之，主譯. 東京：玉川大學出版部，2014.

[15] HOLEC H． Autonomy and foreign language learning[M]. Oxford： Pergamon Press，1981：41-45.

[16]朱祖德，王靜瓊，張衛，等． 大學生自主學習量表的編制[J]． 心理發展與教育，2005，21（3）：60-65．

[17] ESSEL H B， VLACHOPOULOS D， ESSUMAN A B， et al． ChatGPT effects on cognitive skills of undergraduate students： receiving instant responses from AI-based conversational large language models （LLMs）[J]． Computers and education：artificial intelligence，2024（6）：100198.

[18] 李海峰，王煒，李廣鑫，等. 智能助產術教學法——以“智能蘇格拉底會話機器人”教學實踐為例[J]. 開放教育研究，2024，30（2）：89-99.

[19] 鄭蘭琴，高蕾，黃梓宸. 基于生成式人工智能技術的對話機器人能促進在線協作學習績效嗎？[J]. 電化教育研究，2024，45（3）：70-76，84.

[20] LI P H， KINSHUK， HUANG Y M． Enhancing ChatGPT in POE inquiry learning for STEM education to improve critical thinking skills [C]// International Conference on Innovative Technologies and Learning. Cham： Springer Nature Switzerland， 2024：30-39.

[21] ROSPIGLIOSI P A． Artificial intelligence in teaching and learning： what questions should we ask of ChatGPT？[J]． Interactive learning environments，2023，31（1）：1-3．

[22] GUO Y， LEE D． Leveraging ChatGPT for enhancing critical thinking skills[J]． Journal of chemical education，2023，100（12）：4876-4883．

[23] ZHAI X M， NYAABA M， MA W C．Can generative AI and ChatGPT outperform humans on cognitive-demanding problem-solving tasks in science？[EB/OL]. （2024-01-29）[2024-09-26]. https：//link.springer.com/article/10.1007/s11191-024-00496-1.

[24] ZOU X Z， SU P， LI L X， et al. AI-generated content tools and students' critical thinking： Insights from a Chinese university[J]. IFLA journal， 2024，50（2）：228-241.

[25] 賀樑，應振宇，王英英，等. 教育中的ChatGPT：教學能力診斷研究[J]. 華東師范大學學報（教育科學版），2023，41（7）：162-176.

[26] 陳靜遠，胡麗雅，吳飛. ChatGPT/生成式人工智能促進以知識點為核心的教學模式變革研究[J]. 華東師范大學學報（教育科學版），2023，41（7）：177-186.

[27] 紅杉資本. Generative AI： a creative new world[EB/OL]. （2023-09-20）[2024-04-20]. https：//www.sequoiacap.com/article/generative-ai-act-two/.

[28] ？譒EDOV？魣 K， ？譒ALAMOUNOV？魣 Z， ？譒VARI■EK R， SEDL？魣■EK M. Getting dialogic teaching into classrooms[M]. Singapore： Springer， 2020：19.

[29] GAYLE M， PREISS W， ALLEN M. How effective are teacher-initiated classroom questions in enhancing student learning[J]. Classroom communication and instructional processes： advances through meta-analysis， 2006（6）：279-293.

[30] 戴嶺，趙曉偉，祝智庭. 智慧問學：基于ChatGPT的對話式學習新模式[J]. 開放教育研究，2023，29（6）：42-51，111.

[31] NYAABA M， KYEREMEH P， MAJIALUWE E， et al. Pre-service teachers' knowledge， gender use， and views about generative AI in academic research[EB/OL]. （2023-03-15）[2024-09-14]. https：//doi.org/10.21203/rs.3.rs-3640721/v1.

[32] The Open Innovation Team. Generative artificial intelligence （AI） in education[EB/OL]. （2023-10-26）[2024-09-09]. https：//www.gov.uk/government/publications/generative-artificial-intelligence-in-education/generative-artificial-intelligence-ai-in-education.

[33] 羅清旭，楊鑫輝. 《加利福尼亞批判性思維傾向問卷》中文版的初步修訂[J]. 心理發展與教育，2001（3）：47-51.

[34] 彭美慈，汪國成，陳基樂，等. 批判性思維能力測量表的信效度測試研究[J]. 中華護理雜志，2004（9）：7-10.

[35] 劉義，趙炬明. 大學生批判性思維傾向的現狀調查——以一所地方綜合性大學為例[J]. 高等工程教育研究，2010（1）：81-85.

[36] ZIMMERMAN B J． Becoming a self-regulated learner：an overview[J]． Theory into practice，2002，41（2）：64-70．

[37] 陳園園，馬穎峰，陳曉燕. 在校大學生網絡自主學習能力及現狀研究[J]. 電化教育研究，2009（3）：48-52.

[38] BOUBKER O． From chatting to self-educating：can AI tools boost student learning outcomes？[J]． Expert systems with applications，2024，238：121820．

[39] TU Y F，HWANG G J． University students' conceptions of ChatGPT-supported learning：a drawing and epistemic network analysis[J]．Interactive learning environments， 2023（1）：1-25.

[40] 教育部，財政部，國家發展改革委. 教育部 財政部 國家發展改革委關于公布第二輪“雙一流”建設高校及建設學科名單的通知[EB/OL]. （2022-02-11）[2024-04-30].http：//www.moe.gov.cn/srcsite/A22/s7065/202202/t20220211_598710.html.

[41] OAXACA R． Male-female wage differentials in urban labor markets[J]． International economic review，1973，14（3）：693-709.

[42] BLINDER A S． Wage discrimination：reduced form and structural estimates[J]． The journal of human resources，1973，8（4）：436-455.

[43] 滕媛，張建. 學生學業成就的城鄉差距及其影響因素——基于PISA2015數據的分析[J]. 教育與經濟，2021，37（2）：58-67.

[44] 陳廷婷，李劍波，楊洋. 影響成都市鄉城流動人口心理健康變化的社會決定因素：基于Oaxaca-Blinder分解法[J]. 四川大學學報（醫學版），2022，53（4）：656-662.

[45]" JI Z W， LEE N， FRIESKE R， et al． Survey of hallucination in natural language generation[J]． ACM computing surveys，2023，55（12）：1-38.

[46] BANG Y， CAHYAWIJAYA S， LEE N， et al. A multitask， multilingual， multimodal evaluation of ChatGPT on reasoning， hallucination， and interactivity[EB/OL]. （2023-02-08） [2024-04-30]. https：//arxiv.org/abs/2302.04023.

[47] 李銘軒，文繼榮. AIGC時代網絡信息內容的法律治理——以大語言模型為例[J]. 北京理工大學學報（社會科學版），2023，25（6）：83-92.

[48] EISIKOVITS N. The threat of AI is real—But on a different level than you think[EB/OL]. （2023-07-09） [2024-09-09]. https：//www.inverse.com/science/ai-dread-psychology.

[49] ROYER C. Outsourcing humanity？ChatGPT，critical thinking，and the crisis in higher education[EB/OL]. （2024-05-31）[2024-09-26]. https：//link.springer.com/article/10.1007/s11217-024-09946-3.

The Impact of Generative Artificial Intelligence Tools on College Students' Critical Thinking and Autonomous Learning Ability

QI Jia1，" XU Yanru1，" LIU Jian1，" XUE Kai2

（1.School of Public Policy and Management， University of Chinese Academy of Sciences， Beijing 100049; 2.College of Resources and Environment， University of Chinese Academy of Sciences， Beijing 100049）

[Abstract] Generative Artificial Intelligence tools have brought new impetus to the digital transformation in education empowering talent training. This study conducted a questionnaire survey of 1，781 college students to explore the impact of using generative artificial intelligence tools on their critical thinking and autonomous learning ability. It is found that students who use generative artificial intelligence tools have significantly higher levels of critical thinking and autonomous learning ability than those who do not use such tools. Students who consistently use generative artificial intelligence tools perform better in both areas than those who do not consistently use them. Compared to undergraduates and students from ordinary universities， graduates and students enrolled in Double-First-Class universities demonstrate a more obvious improvement in critical thinking and autonomous learning ability through the use of generative artificial intelligence tools. Students mostly use generative artificial intelligence tools to ask close-ended questions， and further analysis is needed to determine the boundaries of the personalized assistance that such tools can provide to students.

[Keywords] Higher Education; Talent Cultivation; College Students; Generative Artificial Intelligence; Critical Thinking; Autonomous Learning Ability