生成式人工智能(Generative Artificial Intelligence, GenAI)在商科教育中的范围综述(scoping review)：对教学法与组织决策制定的启示

《Journal of Management & Organization》：A scoping review of generative artificial intelligence in business education: Implications for pedagogy and organisational decision making

　　

摘要：生成式人工智能(Generative Artificial Intelligence, GenAI)正在快速重塑商科教育，为教、学及考核评估带来机遇与隐忧。本研究采用遵循PRISMA(Preferred Reporting Items for Systematic reviews and Meta-Analyses)协议的范围综述(scoping review)方法，回顾了2023年以来商科教育研究中如何探讨GenAI，重点关注组织与制度层面的影响。研究人员分析了2023年1月至2025年6月发表的32篇Scopus收录同行评议文献，归纳出GenAI应用的四大关键主题：课程重新设计(curriculum redesign)、教学实践(teaching practices)、考核诚信(assessment integrity)及职业技能(professional skills)。研究发现GenAI可增强教学互动性、实现个性化学习、减轻工作负担、提升可及性并使教学更贴合行业实践；但也存在事实错误、批判性思维弱化、考核效度受损及伦理顾虑等挑战。总体而言，GenAI融入既具变革性又呈不均衡态势，需从组织情境出发审慎且负责任地采纳。本研究为致力于构建面向未来的商科教育生态系统的教育工作者、课程设计者及院校政策制定者提供了启示。

生成式人工智能(GenAI)在商科教育中范围综述(scoping review)的解读——发表于《Journal of Management & Organization》

一、研究背景与开展缘由

高等院校作为典型的社会—技术系统(socio-technical systems)，人员、流程与技术交互共同影响组织绩效。生成式人工智能(Generative Artificial Intelligence, GenAI)自2022年末ChatGPT发布后迅速扩散，对高等教育特别是强调分析推理、伦理判断及应用问题解决的商学院(Business School)构成双重影响：既可强化教与学，又冲击既有学术规范与知识认证逻辑。现有文献多将GenAI视为单纯教学工具加以探讨，缺乏从组织与制度层面系统梳理其对商科教育作为组织实践之重塑。为此，研究人员以社会—技术系统视角开展范围综述，旨在厘清GenAI在商科教育中涌现的主题、收益与挑战，弥补系统性认识缺口。

二、主要研究方法

研究人员于2025年4月至6月更新，在Scopus数据库中以TITLE-ABS-KEY限定("Management education" OR "Business Education" OR "Business School")与("Generative Artificial Intelligence" OR "Gen AI" OR "Generative AI" OR ChatGPT OR "Chat GPT")，限商科(BUSI)、英文、期刊论文(ar)及会议论文(cp)。初检113篇，经题目摘要及全文筛选最终纳入32篇。研究遵循Arksey & O'Malley五阶段范围综述框架及PRISMA流程图，通过双人独立提取数据并团队讨论归纳主题，分别围绕三个研究问题——(RQ1)GenAI在商科教育中的新兴主题；(RQ2)收益；(RQ3)挑战——进行归纳编码与主题合成。

三、研究结果

Curriculum Design（课程设计）

通过文献归纳发现GenAI被视为推动课程结构、学习目标与教学法整体再思考的催化剂，而非单纯附加工具。子维度显示：(1)GenAI促进从单门课程向项目层面课程体系整合(programme-level curriculum integration)，支持实时内容更新与材料快速生成，但存在流于表面修改而非深层教学重设计的隐忧(Vecchiarini & Somia, 2023; Krammer, 2025)；(2)可自动化课程大纲草拟、部分评分及答疑，释放教师高阶教学设计时间，但"常规任务自动化"与"核心学术责任"边界模糊，且教师GenAI素养与持续专业发展不足形成结构性滞后(Zhan et al., 2023; Gupta & Singh, 2024)；(3)支持个性化与包容性学习路径，但算法偏见及公平性问题尚未充分探讨(Gupta et al., 2024; Chiu et al., 2023)；(4)强调嵌入基础AI素养(AI literacy)，将其作为支撑商业建模与战略分析等内容的学习活动手段，但各项目间AI素养的进阶序列尚缺指引(Vecchiarini & Somia, 2023)；(5)适度整合可提升学生自主与创造力，但过度使用削弱批判性思维与深层学习，呼吁平衡效率与判断、反思能力培养(Hyde et al., 2024; Lee & Tseng, 2024)。综上，课程 redesign 是受争议的教学过程，成功取决于是否保全学术判断与伦理推理。

Teaching Practices（教学实践）

归纳出三方面：(1)GenAI用于教学想法生成、课件与教案起草，显著提升备课效率，但需以学术判断与同行评审把关生成内容的可信度与适切性(Keiper et al., 2023; Chiu et al., 2023; Fischer et al., 2024)；(2)可作为教学辅助提供自学支持与即时个性化反馈，尤在低资源情境具价值，但无法取代教师在创设真实学习情境中的关系性与情境性作用，且AI反馈有效性仍需更多实证(George et al., 2025; Park & Kim, 2025)；(3)教师需具备更高数字胜任力与受训支持方可有效转化教与学，而机构资源、职业阶段及学科文化差异导致采纳不均(Portuguez-Castro & Marchena Sekli, 2025; Zhan et al., 2023)。

Assessments Integrity（考核诚信）

文献表明：(1)传统书面作业面临"不可检测之AI辅助剽窃"，学术诚信定义需重构——知识生产非孤立个体行为，GenAI动摇原有认知假设，禁堵工具被指治标不治本，应转向抗AI滥用之考核形式如口头答辩、真实性任务(authentic tasks)、表现性评价(performance-based assessments)(Valcea et al., 2024; Gupta & Priyanka, 2026; Fischer et al., 2024; Vecchiarini & Somia, 2023)；(2)传统论文、开卷及带回作业不再可靠，推荐监考笔试、口头辩护及应用型实景任务(Krammer, 2025; Valcea et al., 2024)；(3)GenAI可用于生成练习题、解析范例、辅助评分标准试用与快速反馈，一致性较稳定但不能替代人工评判(Grzesiak et al., 2024; Bohórquez-López, 2024; Keiper et al., 2023; Portuguez-Castro & Marchena Sekli, 2025)；(4)鼓励学生以AI输出为基准进行批判、拓展与超越（"do better than this"策略），将原创性重新定义为与AI输出的有意智识区分，并设计体验式、反思性不易被AI复制之考核(Bell & Bell, 2023; Valcea et al., 2024; Bohórquez-López, 2024)。

Professional Skills（职业技能）

文献指出：(1)批判性思考(critical thinking)受威胁机制在于学生将问题建构(problem formulation)外包给GenAI，跳过最具认知挑战的阶段——界定问题与约束条件；建议训练学生评估AI反馈用作进一步洞察提示而非替代分析，并强化反思性学习(Grzesiak et al., 2024; Fischer et al., 2024; Schwandt, 2005)；(2)职场准备度(job readiness)需嵌合GenAI工作流并配套评价性与伦理论证，警惕技能分化(skill divide)——熟练者获增益而新手可能因依赖丧失基础能力锻造(Cardon et al., 2024; Portuguez-Castro & Marchena Sekli, 2025; Valcea et al., 2024; George et al., 2025)；(3)软技能方面，GenAI自动化写作表层特征反而凸显高阶沟通判断（受众意识、语气、证据与伦理沟通）的重要性，商学院须确保学生仍具备独立连贯书写能力及协作、团队能力(Fischer et al., 2024; Gupta & Priyanka, 2026; Cardon et al., 2024)。

四、讨论与结论翻译

讨论部分指出，GenAI整合本质是制度性与社会—技术性变迁，受组织惯例、专业规范与治理架构形塑，并经历组织行动者之意义建构(sense-making)过程。四大主题相互交织：课程设计需超越工具导向以防仅植入程序性熟悉度而无伦理反思；教学实践增效同时需防范脱离语境与过度依赖；考核应从"防作弊"转向重构能真正测量学生在AI时代何为值得证明之能力的评估设计；职业技能培养须重释批判性思考、问题建构、意义建构(sense-making——将复杂信息联系情境并作出判断之能力)与反思判断为核心可雇佣力属性。机构须提供明确指南、资源及公平保障，跨越仅发布政策声明迈向界定何处置入人类判断并如何保护学术标准的治理框架。

研究结论为：GenAI对商科教育的影响日益不可避免，其有效整合依赖于课程体系连贯性、考核设计创新与制度支持，以及教师动机与能力。核心挑战不在于是否引入GenAI，而在于确保其整合由教学意图主导、由制度基础设施支撑，并以真实能力发展为标尺予以评估，而非仅为技术采纳。本研究表明GenAI融入商科教育不仅是教学法议题，更是涉及制度结构、专业实践与意义建构过程之社会—技术系统与组织现象，进而影响组织产出。