《Computers and Education Open》：Ethical conditions for university students’ adoption of large language models in exam preparation contexts
编辑推荐：
本文探讨了大型语言模型（LLMs）在高等教育考试准备中的应用伦理。研究者调查了西班牙大学生的伦理观念（基于道德公平、结果论和义务论）如何影响其使用LLMs的意向（IU）及实际使用行为（USE）。研究发现，三种伦理维度均为使用意向的必要条件，其中结果论（CO）和义务论（DE）是意向的充分预测因子，而使用意向（IU）则是实际使用（USE）的必要且充分条件。该研究为理解AI教育工具的伦理接受机制提供了实证基础。
大型语言模型（LLMs）如ChatGPT，正以前所未有的力量改变着高等教育的格局。学生们可以利用它们总结内容、解释复杂概念，甚至生成模拟考题，以此辅助备考。然而，这股技术浪潮也裹挟着伦理的暗流：使用LLMs准备考试是否公平？是否会加剧“数字鸿沟”？是否意味着逃避了真正的学习过程，从而损害了学术诚信？这些问题悬而未决，而高校管理者、教师和学生们都迫切需要清晰的指引。
在此背景下，来自西班牙罗维拉·威尔吉利大学（Universitat Rovira i Virgili）和康普顿斯大学（Universidad Complutense de Madrid）的研究团队，Antonio Pérez-Portabella、Mario Arias-Oliva和Graciela Padilla-Castillo等人，决定深入探究大学生们的内心“伦理天平”。他们想知道：当学生们面对LLMs这个强大的“外挂”时，是哪些伦理考量在真正左右他们的决定？仅仅是觉得“有用”吗？还是关乎“公平”、“责任”或“规则”？更重要的是，这些伦理判断仅仅是“入场券”，还是能直接“助推”使用行为？
为了回答这些问题，研究人员在2025年4月至6月间，对151名西班牙社会科学领域的本科生进行了一项问卷调查。他们巧妙地将经典的多维伦理量表（MES） 与技术接受模型（TAM/UTAUT） 的理论框架相结合。MES测量了三种核心的伦理视角：道德公平（ME，指行为是否公平、公正）、结果论（CO，关注行为带来的后果是好是坏）和义务论（DE，强调遵守规则和履行责任） 。研究设定了两个核心目标：第一（RO1），探究这三种伦理感知是否是学生产生使用意向（IU）的“必要条件”——即，达不到某个最低门槛，意向就无从谈起；第二（RO2），分析这些伦理感知是否也是“充分条件”——即，更高的伦理评价是否能直接带来更强的使用意向和实际使用（USE）。为达成这两个互补的目标，研究采用了两种高级统计方法：必要条件分析（NCA） 和偏最小二乘结构方程模型（PLS-SEM）。
研究结果为我们描绘了一幅细致而深刻的伦理决策图景。
4.2. 必要条件分析（研究目标1）的结果
通过NCA分析发现，所有三种伦理维度——道德公平（ME）、结果论（CO）和义务论（DE）——都是形成使用意向（IU）的必要条件。这意味着，如果学生在任何一项上的评分过低，他们几乎不可能产生使用LLMs备考的强烈意愿。具体而言，ME的必要性效应值（d= 0.338）最高，其次是CO（d= 0.274）和DE（d= 0.207），且均具有统计学显著性（p< 0.001）。同时，使用意向（IU）本身也是实际使用行为（USE）的必要条件（d= 0.325, p< 0.001）。瓶颈分析进一步量化了这些“门槛”：例如，要达到中等水平（50百分位）的使用意向，学生至少需要在ME上达到23.8百分位，在DE上达到20百分位。
4.3. PLS-SEM分析（研究目标2）的结果
PLS-SEM分析则揭示了哪些因素是“充分”的驱动力。结果显示，使用意向（IU）对实际使用（USE）具有极强的预测力（β = 0.905, p< 0.001），证实了它是实际行为的充分条件。在三种伦理维度中，只有结果论（CO）和义务论（DE）对使用意向（IU）有显著的正向影响（CO: β = 0.350, p= 0.038； DE: β = 0.329, p= 0.013），即它们是使用意向的充分条件。而道德公平（ME）的影响在统计上并不显著（β = 0.108, p= 0.414）。
这一看似矛盾的结果（ME必要但不充分）恰恰是本研究最重要的发现之一。它表明，公平感（ME）是一道“伦理基线”或“许可门槛”。学生首先必须觉得使用LLMs备考大体上是公平的、正当的，才会考虑去用它。然而，一旦跨过了这道门槛，决定他们“用多用少”、“多想用”的，就不再是公平感本身，而是更多取决于工具能带来多大好处（CO） 以及是否符合他们心中的责任与规则（DE）。换句话说，学生们会想：“用这个公平吗？（ME过关了）”→ “它能帮我高效通过考试吗？（CO驱动）”→“用它来完成学业目标，算是我对学校、家庭尽到责任了吗？（DE驱动）”。研究还发现，CO和DE之间存在一定的补偿效应，即一方不足时，另一方可以补上以维持较高的使用意向，但ME不具备这种补偿性。
结论与讨论
这项发表在《Computers and Education Open》上的研究，为理解LLMs在教育场景中的伦理接受度提供了关键见解。它证实，学生的决策并非单一维度的功利计算，而是融合了多种伦理框架的复杂判断。道德公平确立了行为的可接受性，而结果论和义务论则提供了将接受性转化为实际接受和使用的动机。
其重要意义在于为教育实践提供了清晰的路线图：
- 1.
政策制定需超越技术层面：高校在引入LLMs时，不能只提供工具，必须配套明确的伦理指南和数字素养培训，帮助学生建立负责任的使用观念。
- 2.
强调“公平准入”的基础性：研究突显了ME作为必要条件的核心地位。因此，确保所有学生都能平等、合法地获得功能相当的LLM工具，是防止加剧教育不公、维护学术诚信生态的基石。
- 3.
利用“结果”与“责任”驱动良性使用：教育者可以设计教学活动，突出LLMs在提升学习效率（CO）和支持达成学习目标（DE，作为学生对学业的责任）方面的积极作用，从而引导其向善使用。
- 4.
评估方式的革新：鉴于学生倾向于使用他们认为有益的工具，单纯的禁止可能无效。教育者应转向注重过程、批判性思维和创造力的评估方式，使得LLMs从“答题捷径”转变为“思维伙伴”。
当然，研究也存在局限，如样本局限于西班牙社会科学学生、横截面数据无法反映动态变化等。未来的研究可以拓展到不同文化背景、学科领域，并引入纵向追踪或结合质性访谈，以更全面地描绘AI时代学生伦理决策的演变图谱。无论如何，这项研究已经有力地证明，在技术狂奔的时代，伦理的罗盘，始终是驾驭技术风帆不可或缺的导航仪。
