中学生对生成式人工智能概念的隐喻性认知

《European Journal of Pediatrics》：Metaphorical perceptions of secondary school students regarding the concept of generative artificial intelligence

　　摘要
生成式人工智能（GenAI）工具，如ChatGPT，迅速融入教育领域，引发了关于青少年如何理解和认知这些技术的重要问题。了解学生的看法对于开发适合年龄、符合伦理且教学上合理的AI使用方法至关重要。这项描述性定性研究采用了现象学方法和隐喻分析来探讨中学生对生成式人工智能的认知。研究样本包括来自土耳其四所中学的332名14至18岁的学生。数据通过开放式问题（“生成式人工智能就像……因为……”）收集，并通过内容分析进行解读。隐喻根据共同的语义和概念特征进行分类，使用Cohen's kappa（κ=0.92）确定评分者间的一致性。分析结果揭示了十个隐喻类别，这些类别可归结为五个主要主题：生成式人工智能作为（1）知识来源、（2）教学和指导实体、（3）支持性和辅助工具、（4）人类智能的反映，以及（5）具有双重目的（有益-风险）的技术。学生最常将GenAI视为全面的知识来源（例如书籍、百科全书）和类似人类的认知实体（例如大脑、智者）。同时，也发现了反映伦理意识和潜在风险（如误用和过度依赖）的隐喻。研究结果表明，中学生对生成式人工智能持有多方面且细致的认知，既看到了教育机会，也意识到了其中的伦理问题。这些结果强调了将AI素养融入教育的重要性，以促进批判性思维、负责任的使用，并认识到GenAI的局限性与潜在益处。

结论
研究表明，中学生对生成式人工智能的看法具有矛盾性，既认为它是有用的工具，也认为它带来伦理和情感上的担忧，这突显了开发适合发展阶段的人工智能素养方法的必要性。

已知事实：
- 像ChatGPT这样的GenAI工具越来越多地被整合到教育环境中，具有支持个性化学习、信息获取和学生参与度的潜力。
- 现有研究主要集中在教育工作者的视角或高等教育环境中，而关于青少年对GenAI认知的研究仍然有限。

新发现：
- 本研究提供了关于K-12阶段中学生对生成式人工智能隐喻认知的实证证据。
- 研究结果表明，青少年以多方面的方式认知GenAI，包括将其视为知识来源、教学和指导实体、支持性工具、人类智能的反映，以及具有双重目的（有益-风险）的技术。

引言
2022年底ChatGPT的发布引发了全球对生成式人工智能（GenAI）的极大兴趣[1]。随后，包括基于文本的聊天机器人和图像生成系统在内的各种GenAI工具迅速应用于教育领域[2,3,4]。现有研究表明，GenAI有潜力支持个性化学习并提高学生参与度，使教育成为AI驱动转型的关键领域[5,6,7]。然而，文献也指出了重要的问题，包括对AI的过度依赖、不准确信息的传播、隐私和版权问题以及获取机会的不平等[1,8]。在这种情况下，了解学生如何在学习和日常生活中认知生成式人工智能对于开发安全、符合伦理且教学上负责任的使用方法至关重要。
研究复杂和新兴技术的有效方法之一是隐喻分析。基于概念隐喻理论，隐喻作为基本的认知工具，使个体能够通过熟悉的经历来解释抽象现象[9]。因此，隐喻超越了语言表达，成为个体心理表征、信念和价值取向的指标[10]。在教育研究中，隐喻分析被广泛用于探索学习者和教育者如何认知新兴技术，通常将其视为知识来源、指导实体、支持性工具或潜在威胁[11,12]。在人工智能的背景下，这种方法提供了对GenAI相关益处和伦理问题的细致且以人为中心的理解[13,14]。
最近的研究表明，学生通过多样化和多维度的隐喻框架认知人工智能，包括将其视为知识来源、类似人类的实体以及同时具有机会和风险的双重目的技术[15,16]。这些发现表明，学生对AI的认知不仅受到认知解释的影响，还受到情感和伦理因素的影响。尽管此类研究数量不断增加，但文献在分析深度上仍然有限，缺乏不同教育层面结果的综合性综合。现有研究往往被孤立地考察，这限制了对学生人工智能认知的连贯和整合性理解的发展。
此外，先前研究的理论定位往往较为隐含，与解释这些认知是如何构建和解释的更广泛概念框架的互动有限[9,17]。这一局限性突显了需要将基于隐喻的方法明确整合到既定理论视角中的研究。在这方面，概念隐喻理论为解释学生的认知和情感意义构建过程提供了坚实的框架，而将其与教育技术视角相结合则有助于更全面地理解新兴技术在学习环境中的体验[17,18,19]。
尽管关于教育中人工智能的研究越来越多，但针对中学生的重要研究空白仍然存在。大多数现有研究集中在小学或高等教育群体上，对青少年的关注相对较少[8,20,21]。这一空白尤为关键，因为青少年时期是抽象思维发展、伦理意识出现以及数字技术参与度增加的阶段。因此，研究中学生如何认知生成式人工智能对于开发适合年龄和教育效果的人工智能素养计划至关重要。
为填补这一空白，本研究旨在探讨土耳其背景下中学生对生成式人工智能的隐喻认知。通过系统分析学生产生的隐喻，本研究旨在提供多维度的理解，说明GenAI如何被定位为认知工具、类似人类的实体以及既包含机会也包含风险的技术。通过这种方式，本研究为理解学生的AI认知提供了更理论化和分析整合的视角，同时也为AI素养和教育整合策略的发展提供了实际意义。

研究问题：
1. 中学生使用哪些隐喻来描述“生成式人工智能”这一概念？
2. 学生使用的隐喻反映了哪些关于生成式人工智能的潜在认知和意义构建模式？
3. 这些隐喻如何揭示学生在学习过程中如何定位生成式人工智能？数据是匿名收集的，没有记录任何个人身份信息，所有数据都安全地存储在只有研究团队才能访问的、受密码保护的计算机上。

数据分析
定性数据通过内容分析方法进行解析，该方法旨在系统地将参与者的隐喻组织成有意义的概念模式，并解释数据中的相似性和差异性[23, 24]。内容分析能够将定性表达转化为结构化的类别，同时保留参与者所传达的潜在含义。分析过程分为五个连续的阶段，与文献中概述的程序一致[25]。在命名阶段，列出了学生生成的所有隐喻，并排除了那些没有明确隐喻或理由的回答，不再进一步分析。在分类阶段，针对“生成式人工智能就像……因为……”这一提示产生的隐喻被仔细审查并根据共同特征进行分组。在归类阶段，根据隐喻的共同语义和类比特征将它们组织成概念类别。特别关注了学生在使用“因为”这个词后的解释，以确保隐喻及其预期含义得到充分体现。在这一阶段，数据首先经过开放编码处理，每个隐喻及其伴随的理由被视为独立的意义单元。随后，采用常量比较方法来识别数据中的重复模式和关系。当隐喻反映相似的潜在认知（例如，知识提供、指导、帮助或风险）时，即使它们的表面表达不同，也会被归入同一类别。归类标准包括：(a) 原因中表达的核心含义，(b) 赋予生成式人工智能的功能角色（例如，信息提供、教学或支持），以及 (c) 隐喻的评价倾向（例如，积极、消极或双重目的）。基于这些标准，开发了一个编码框架（代码本），以确保分析过程的一致性、透明度和可复制性。归类过程是迭代进行的，通过与数据的比较不断改进类别，直到达到概念上的连贯性和内部一致性。

为了确保分析的严谨性和可信度，采用了多种策略。通过长时间接触数据和仔细考虑参与者的原始表达来增强可信度。通过保持透明和系统的编码程序（包括代码本的开发和完善）来支持可靠性。通过将所有解释基于参与者的陈述，并通过迭代比较来最小化研究者的偏见来加强可验证性。此外，独立领域专家的参与也有助于验证分析结构。为了提高分析的可靠性，最终确定的隐喻列表和类别结构由两位领域专家独立审核。使用Cohen’s kappa评估了评分者间的一致性，得分为0.92，表明一致性很高。专家的反馈被纳入考虑，并据此对编码框架和类别结构进行了改进。在最后阶段，通过计算每个类别中隐喻的频率和百分比分布来量化数据，结果以表格形式呈现。使用IBM SPSS Statistics 24.0分析了与参与者人口统计特征相关的描述性统计，包括频率、百分比、平均值和标准差。

参与者特征
共有332名中学生参与了这项研究。参与者的平均年龄为15.62岁（标准差=1.06岁）。其中，170名（51.2%）为女生，162名（48.8%）为男生。按年级分布来看，22.4%的学生在九年级，28.2%在十年级，24.6%在十一年级，24.8%在十二年级。

隐喻发现
对学生隐喻表达的分析确定了十个概念隐喻类别。将具有相似含义的隐喻归入更广泛的语义类别中，以提高概念的清晰度和一致性。每个类别的频率和百分比在表1和图1中呈现。表1显示了与生成式人工智能相关的隐喻类别的频率和百分比分布（N=332）。

根据隐喻分析，学生对生成式人工智能的认知被分为十个主要隐喻类别。频率最高的类别将生成式人工智能视为一个全面的知识来源，使用的隐喻包括书籍、百科全书、图书馆和词典（18.4%）。其次是“人类/大脑/智者”类别（17.8%），这反映了与人类认知和智力相关的隐喻。“教师/教育者”（12.3%）和“助手/秘书”（12.0%）类别包含了表示在学术和日常任务中提供指导、支持和帮助的隐喻。其他类别将生成式人工智能视为一种技术或搜索工具（7.5%）、社会或情感参照（6.9%）、权力、速度或质量的象征（4.8%）、创造力和生产的工具（4.2%）、生活的普遍或基本要素（5.1%），以及与伦理意识和双重风险相关的技术（4.8%）。总体而言，隐喻类别的分布表明，学生使用多种功能、认知和关系框架来描述生成式人工智能，同时也反映了对其使用潜在风险的认知。

分析结果确定了五个主要主题：(1) 生成式人工智能作为知识来源；(2) 生成式人工智能作为教学和指导实体；(3) 生成式人工智能作为支持和辅助工具；(4) 生成式人工智能作为人类智力的反映；(5) 生成式人工智能作为具有双重目的（有益-风险）的技术。

**主题1. 将生成式人工智能视为知识来源**
这一主题反映了学生将生成式人工智能视为一个全面且易于获取的信息来源，可以快速获取广泛的知识。

**子主题1.1. 全面而广泛的知识库**
学生将生成式人工智能描述为一个包含大量信息并便于获取知识的来源。生成式人工智能可能被看作是一个集中知识的认知权威，这可能表明倾向于依赖现成的信息而非批判性评估。例如：“生成式人工智能就像百科全书，因为它包含各种信息。”（P6）“生成式人工智能就像图书馆，因为它涵盖了所有主题的信息，我们可以选择我们需要的内容。”（P16）“生成式人工智能就像一本书，因为我们可以找到我们想要的一切。”（P92）

**子主题1.2. 快速便捷的信息获取**
在这个子主题中，学生强调了获取信息的速度和实用性。这种对速度的强调可能反映了以效率为导向的学习方式，可能与偏好快速答案有关，这在某些情况下可能会限制更深层次的认知处理。例如：“生成式人工智能就像词典，因为它知道一切的含义。”（P123）“生成式人工智能就像一个口袋世界，因为它能立即提供我们需要的信息。”（P73）“生成式人工智能就像一个知识箱，因为它在我们需要时收集并呈现信息。”（P51）

**主题2. 将生成式人工智能视为教学和指导实体**
这一主题表明学生将生成式人工智能视为一种教学和指导性实体，通过解释概念并引导他们找到信息来支持学习。

**子主题2.1. 教师和教育者**
学生经常使用隐喻将生成式人工智能描述为一种解释性和指导性的实体。生成式人工智能似乎被视为一种替代性的教学工具，这可能对传统教学角色和以人为中心的互动产生影响。例如：“生成式人工智能就像老师，因为它能给出解释性的答案。”（P32）“生成式人工智能就像教授，因为它以富有知识的方式教学。”（P77）“生成式人工智能就像虚拟老师，因为它能快速解释我们想学的内容。”（P271）

**子主题2.2. 指导和方向**
这个子主题反映了强调指向信息的指导和方向的隐喻。生成式人工智能可能被理解为一种导航指南，这可能与更受指导的学习形式相关，在某些情况下可能会减少对独立知识构建的重视。例如：“生成式人工智能就像向导，因为它在我们提问时指明方向。”（P75）“生成式人工智能就像哲学家，因为它对每个问题都给出逻辑性的答案。”（P273）“生成式人工智能就像钥匙，因为它打开了我们不知道的信息之门。”（P173）

**主题3. 将生成式人工智能视为支持和辅助工具**
这一主题强调学生将生成式人工智能视为一种功能工具，有助于学术任务并在教育和日常生活中提供帮助。

**子主题3.1. 学术和日常生活辅助**
学生将生成式人工智能描述为一种促进任务并提供建议的工具。生成式人工智能可以被理解为一种认知助手，这可能反映了任务分配的变化，并可能与独立解决问题的过程的变化相关。例如：“生成式人工智能就像助手，因为它在各个领域都能提供帮助。”（P150）“生成式人工智能就像作业伙伴，因为它能帮助完成作业。”（P31）“生成式人工智能就像秘书，因为它既聪明又迅速。”（P3）

**子主题3.2. 情感和社交支持**
一些学生使用了反映社交或关系方面的隐喻。拟人化的认知可能表明情感上的依附，这可能会增强参与度，但也可能导致对AI能力的过度依赖或误解。例如：“生成式人工智能就像朋友，因为它总是在我们身边。”（P96）“生成式人工智能就像一个乐于助人的朋友，因为它给出友好而准确的答案。”（P301）“生成式人工智能就像心理学家，因为它会分析我们告诉它的内容。”（P76）

**主题4. 将生成式人工智能视为人类智力的反映**
这一主题反映了学生倾向于将生成式人工智能与类似人类的认知能力联系起来，如思考、学习和解决问题。

**子主题4.1. 人类和大脑的类比**
学生将生成式人工智能与人类认知联系起来，这可能增加信任感，同时可能减少对结果的批判性评估。例如：“生成式人工智能就像人类，因为它能找到问题的解决方案。”（P64）“生成式人工智能就像大脑，因为它收集数据并赋予其意义。”（P126）“生成式人工智能就像智者，因为它通过经验帮助我们学习。”（P58）

**子主题4.2. 智力的发展和学习**
这个子主题强调了随时间的发展和学习。生成式人工智能可能被视为一个不断发展的系统，这可能与自主性和智力的概念相关。例如：“生成式人工智能就像一个成长中的孩子，因为它在学习过程中不断发展。”（P41）“生成式人工智能就像一个发展的有机体，因为它会随着时间的推移而更新。”（P327）“生成式人工智能就像一种不断进化的智能，因为它每天都在改进。”（P79）

**主题5. 将生成式人工智能视为具有双重目的（有益-风险）的技术**
这一主题反映了学生意识到生成式人工智能既有有益的一面，也有潜在的危害性，这取决于其使用方式。

**子主题5.1. 正确使用时的好处**
学生指出，当生成式人工智能被正确使用时是有益的。这些发现表明学生倾向于条件性地评估生成式人工智能，认识到其价值取决于负责任的使用。例如：“生成式人工智能就像药物，因为它在正确使用时是有用的，但在错误使用时则可能有害。”（P102）“生成式人工智能就像武器，因为它根据使用方式的不同而产生不同的效果。”（P106）“生成式人工智能就像宝石，因为它能让我们快速获取有价值的信息。”（P103）

**子主题5.2. 与误用相关的风险**
这个子主题反映了与伦理、误用和可靠性相关的担忧。这种意识可能表明出现了新的批判性视角，同时也突显了结构化AI素养的潜在需求。例如：“生成式人工智能就像小抄，因为学生用它来获取现成的答案。”（P101）“生成式人工智能就像垃圾桶，因为它包含正确和错误的信息。”（P185）“生成式人工智能就像边界，因为它需要谨慎使用。”（P191）

**讨论**
本研究的结果表明，中学生对生成式人工智能的隐喻认知总体上是积极的，但这种积极性反映了多维度且平衡的评估，而不仅仅是一面的乐观。从理论角度来看，这可以通过概念隐喻理论来解释，该理论认为个体通过将抽象技术映射到熟悉的认知领域来理解它们[9]。因此，积极和批判性隐喻的共存反映了结构化的认知处理过程，而不仅仅是表面的解释。学生们主要将生成式人工智能视为知识来源、教学和指导实体以及支持性工具，这表明他们意识到了人工智能在促进学习和增强信息获取方面的作用。这一发现与人工智能支持的学习框架相一致，在这些框架中，人工智能作为认知支架，促进了自我调节学习和学习者的自主性[26, 27]。与先前的研究一致，生成式人工智能也被认为能够提高参与度、提供个性化学习并即时反馈[5,6,7,28]。同时，将生成式人工智能视为人类智能的反映以及一种具有双重用途（有益-风险）的技术，表明学生赋予了人工智能认知和伦理维度。这可以通过拟人化理论来解释，该理论强调了个体倾向于将类似人类的特征赋予智能系统的倾向，这可能会增加信任，但也增加了过度依赖的风险[29]。类似的基于隐喻的研究也报告说，学生们使用了建设性和批判性的隐喻，反映出他们对依赖性、错误信息和表面学习的担忧[1, 8, 14]。

从学生们的隐喻感知中浮现的一个突出主题是将生成式人工智能概念化为一个全面的知识来源。参与者经常使用“百科全书”或“图书馆”等隐喻来描述生成式人工智能，强调其提供广泛信息的能力。从理论角度来看，这些隐喻可以通过概念隐喻理论来解释，该理论说明了学习者如何将抽象技术映射到熟悉的知识结构中，从而在他们的认知框架中将生成式人工智能定位为认知权威[9, 30, 31]。与先前的研究一致，像ChatGPT这样的生成式人工智能工具已被证明在教育环境中有效支持信息检索、问题解答和即时反馈[32, 33]。从教学角度来看，这种感知功能使生成式人工智能成为一种潜在的宝贵资源，特别是在获取教育材料可能受限的情况下，从而有助于实现更加公平的学习机会[4, 8, 34]。此外，这种感知与人工智能支持的学习和认知支架框架相一致，这些框架强调了技术在扩展学习者信息获取和支持自我调节学习过程中的作用。然而，文献也警告说，将生成式人工智能主要视为权威的知识来源可能会培养过度依赖，并削弱学生的批判性评估和来源验证能力[1, 8]。鉴于生成式人工智能系统可能会产生极具说服力但偶尔不准确或有偏见的输出，不加批判地接受这些信息会带来教学和伦理上的问题[8]。

这项研究的另一个关键发现是，学生们经常将生成式人工智能视为教师或指导者，使用了“虚拟教师”、“哲学家”和“指导者”等隐喻。这些隐喻表明，生成式人工智能被视为能够解释概念、提供方向和支持学习过程的指导性代理。在教育理论中，这种定位可以通过建构主义和社会文化学习视角来解释，在这些视角中，指导和支架在知识构建中起着核心作用[35]。从这个意义上说，生成式人工智能似乎充当了一个数字支架，调节了学生的学习体验。这种感知与现有文献一致，这些文献表明生成式人工智能可以通过提供按需解释和学术支持来增强个性化学习并提高学生参与度[3, 36, 37]。此外，类似的基于隐喻的研究也报告说，学习者经常将人工智能视为“教师”或“指导者”，表明在不同教育背景下存在一种反复出现的概念模式。然而，将生成式人工智能定位为教学角色也引发了教学和伦理方面的考虑。虽然人工智能可以作为补充的教学资源，但它不能替代人类教育者，后者的角色包括情感支持、伦理指导和情境敏感的教学法。先前的研究表明，过度依赖人工智能生成的指导可能会减少对批判性思维和独立学习的重视[1, 8, 38, 39]。因此，生成式人工智能应该作为支持性工具来整合，而不是替代教师，并结合促进批判性和反思性使用的教学策略[33]。

学生的隐喻还表明，生成式人工智能被视为一个多功能助手，能够协助学术和日常任务。从理论角度来看，这种定位可以通过认知卸载和分布式认知框架来解释，这些框架说明了个体如何将常规认知任务委托给外部工具以优化心理资源[40, 41]。诸如“助手”、“秘书”和“作业伙伴”等隐喻将生成式人工智能定位为通过支持文本起草、总结、解决问题和研究过程等活动来提高学生生产力的工具[33]。虽然这种委托可能提高效率并使人们能够更专注于高阶思维，但它也强调了在技术辅助和独立认知参与之间保持平衡的重要性。

将生成式人工智能视为类似人类的认知实体进一步体现了学生意义构建过程的复杂性。“人类”、“大脑”和“智者”等隐喻表明，学生赋予了人工智能系统认知和社会特征。这一发现与拟人化文献一致，这些文献展示了个体倾向于在互动情境中将类似人类的品质赋予智能系统[29, 42]，并且这种现象在不同文化背景下都有报道[38]。虽然这种感知可能提高参与度和动机，但它们也可能影响信任水平和批判性评估。鉴于生成式人工智能系统是基于概率模式而非真正理解来运作的，因此帮助学生认识到这些限制是很重要的[32]。

最后，学生的隐喻表明，生成式人工智能被视为一种既具有优势又具有潜在风险的技术。研究结果表明，对生成式人工智能的感知价值取决于其使用方式和使用者的能力，而不是将其视为简单的二分法。诸如“药物”和“武器”等隐喻反映了这种条件性评估，这与文献中广泛讨论的机会-风险视角相一致[8, 33]。虽然生成式人工智能提供了个性化学习、快速内容生成和认知支持等优势，但它也带来了包括错误信息、学术诚信问题和数据隐私问题在内的挑战[1, 32]。

总体而言，研究结果表明，学生从包含认知、教学和伦理维度的多维框架来感知生成式人工智能。这突显了需要采取人工智能素养方法，将技术知识与批判性思维、伦理意识和负责任的使用实践相结合[30, 31]。

**局限性和未来研究**
这项研究有几个局限性。首先，样本来自土耳其的一个地区，这可能会限制研究结果在其他文化和教育环境中的普遍性。未来的研究应包括来自不同地区和国家的学生，以加强跨文化对青少年对生成式人工智能感知的理解。其次，数据是通过单一隐喻提示收集的。尽管这种方法对于探索抽象感知有效，但额外的定性方法（如访谈或焦点小组）可以提供对学生对生成式人工智能的认知和情感理解的更深入见解。最后，这项研究关注的是隐喻感知，而不是实际的生成式人工智能使用情况或人工智能素养水平。未来的研究可以结合隐喻分析与人工智能素养、伦理意识和数字福祉的定量测量，并采用纵向设计来考察随时间变化的感知。

**结论**
本研究探讨了中学生对生成式人工智能的隐喻感知，发现青少年认为生成式人工智能既是支持性的认知工具，也是引发伦理和情感关切的来源。学生的隐喻反映了与学习和知识生产相关的感知优势，同时也表现出对依赖性和控制的矛盾态度。这些发现强调了通过适合青少年发展的AI素养计划来解决生成式人工智能问题的重要性，这些计划应整合伦理反思、批判性思维和情感意识。理解青少年的隐喻框架可能有助于设计更安全、更负责任的人工智能使用方法。