大語言模型工具能促進(jìn)高校學(xué)生的高階思維能力發(fā)展嗎？

摘要：在數(shù)智時(shí)代，重視培養(yǎng)高校學(xué)生的高階思維能力已逐漸成為共識(shí)，但高校學(xué)生使用大語言模型工具能否促進(jìn)高階思維能力的發(fā)展尚存爭(zhēng)議。澄清這一爭(zhēng)議，不僅有助于在理論上分析人工智能背景下學(xué)生高階思維發(fā)展的機(jī)理，也可以為學(xué)校和教師在教育實(shí)踐中采取何種措施提供可靠依據(jù)?；诖?，文章利用我國(guó)12所雙一流大學(xué)學(xué)生的問卷調(diào)查數(shù)據(jù)，對(duì)當(dāng)前高校學(xué)生的大語言模型工具使用情況及其對(duì)高階思維能力的影響進(jìn)行實(shí)證分析，結(jié)果顯示：超過半數(shù)的高校學(xué)生使用過大語言模型工具，但深度創(chuàng)意應(yīng)用仍有待加強(qiáng)；增加大語言模型工具的基礎(chǔ)執(zhí)行應(yīng)用與深度創(chuàng)意應(yīng)用頻次，均對(duì)高階思維能力發(fā)展具有顯著的正向影響；交互質(zhì)量在大語言模型工具使用頻次對(duì)高階思維能力的影響過程中發(fā)揮中介作用。在此基礎(chǔ)上，文章建議高校正視人工智能技術(shù)在高等教育教學(xué)過程中的作用，積極推動(dòng)人工智能賦能教育應(yīng)用；結(jié)合課內(nèi)外真實(shí)情境，促進(jìn)大語言模型工具的深度創(chuàng)意應(yīng)用；加強(qiáng)師生人工智能素養(yǎng)培養(yǎng)，提升人機(jī)交互質(zhì)量。

關(guān)鍵詞：大語言模型；高階思維能力；高校學(xué)生；雙一流大學(xué)

【中圖分類號(hào)】G40-057 【文獻(xiàn)標(biāo)識(shí)碼】A 【論文編號(hào)】1009—8097（2025）01—0034—10 【DOI】10.3969/j.issn.1009-8097.2025.01.004

進(jìn)入數(shù)智時(shí)代，ChatGPT等大語言模型工具正廣泛應(yīng)用于社會(huì)各領(lǐng)域，以驅(qū)動(dòng)產(chǎn)業(yè)快速轉(zhuǎn)型，由此人類勝任未來工作的能力結(jié)構(gòu)也隨之發(fā)生變化。世界經(jīng)濟(jì)論壇發(fā)布的《2023年未來就業(yè)報(bào)告》指出，未來五年結(jié)構(gòu)性勞動(dòng)力市場(chǎng)將有23%的工作崗位面臨消失的風(fēng)險(xiǎn)，這些工作的特點(diǎn)是重復(fù)性強(qiáng)、結(jié)構(gòu)明確、可自動(dòng)化處理，對(duì)人的需求以低階認(rèn)知能力為主，然而就當(dāng)前趨勢(shì)來看，分析思維和創(chuàng)造性思維等高階思維能力將是非常重要的人才特質(zhì)^[1]。面對(duì)新技術(shù)的沖擊，在數(shù)智時(shí)代加強(qiáng)高校學(xué)生的高階思維能力培養(yǎng)已逐漸成為共識(shí)^[2][3]。但是，伴隨越來越多的大語言模型工具在高等教育領(lǐng)域的應(yīng)用，研究者對(duì)于這些工具究竟是促進(jìn)還是阻礙學(xué)生的高階思維能力發(fā)展仍然存在爭(zhēng)議：一方面，有研究者認(rèn)為大語言模型工具以海量知識(shí)為基礎(chǔ)，可以提供高質(zhì)量信息，就學(xué)生的個(gè)性化問題給出針對(duì)性回答，并持續(xù)與其進(jìn)行深入的對(duì)話交流，推動(dòng)學(xué)生認(rèn)知向創(chuàng)造性、批判性等高階方向發(fā)展，因而應(yīng)積極倡導(dǎo)將大語言模型工具引入學(xué)生的學(xué)習(xí)、科研之中^[4]；另一方面，有研究者認(rèn)為高校學(xué)生可能會(huì)因過度依賴技術(shù)而不再深入反思，致使其自主創(chuàng)造力與問題解決能力下降，甚至出現(xiàn)抄襲或作弊等現(xiàn)象，對(duì)高階思維能力發(fā)展產(chǎn)生負(fù)面影響^[5][6]，因而應(yīng)審慎對(duì)待學(xué)生在學(xué)習(xí)、科研中使用大語言模型工具?；诖?，本研究嘗試面向我國(guó)12所雙一流大學(xué)的學(xué)生展開問卷調(diào)查，通過對(duì)以下研究問題進(jìn)行實(shí)證分析，來澄清上述爭(zhēng)議，以期在理論上分析人工智能背景下學(xué)生高階思維發(fā)展的機(jī)理，進(jìn)而為學(xué)校和教師在教育實(shí)踐中采取何種措施提供可靠依據(jù)：我國(guó)高校學(xué)生對(duì)大語言模型工具的使用情況如何？使用大語言模型工具對(duì)高校學(xué)生的高階思維發(fā)展有何影響？此影響的中間機(jī)制是怎樣的？

一 文獻(xiàn)綜述與研究假設(shè)

1"文獻(xiàn)綜述與理論基礎(chǔ)

（1）高階思維能力的內(nèi)涵及其理論基礎(chǔ)

高階思維能力（High-Order Thinking"Skills，HOTS）是個(gè)體適應(yīng)環(huán)境、面對(duì)未來挑戰(zhàn)的關(guān)鍵能力，也是數(shù)智時(shí)代創(chuàng)新人才的核心技能^[7][8]。根據(jù)建構(gòu)主義理論，高階思維表現(xiàn)為個(gè)體能夠識(shí)別已有知識(shí)和外部信息之間的聯(lián)系，并將背景知識(shí)遷移到新的情境中，以解決沒有固定答案的復(fù)雜問題。因此，高階思維不是被動(dòng)接收信息，而是在真實(shí)的學(xué)習(xí)情境中主動(dòng)構(gòu)建知識(shí)以更新心智模型的過程，涉及創(chuàng)造、分析、綜合、關(guān)系建立和元認(rèn)知等要素。從維度構(gòu)成的角度來看，Bloom等^[9]認(rèn)為高階思維能力框架包含分析、綜合、評(píng)價(jià)三個(gè)逐層提升的維度，指向具體認(rèn)知情境中為達(dá)到某個(gè)目標(biāo)而對(duì)知識(shí)進(jìn)行組織或重組的心理過程^[10]；馬淑風(fēng)等^[11]從思維類型的角度，認(rèn)為高階思維不是單一的思維過程，而是一個(gè)在具體情境中批判性思維、問題解決能力、創(chuàng)造性思維等多種認(rèn)知成分協(xié)同作用的復(fù)雜思維過程。在眾多針對(duì)高階思維能力的研究中，Biggs等^[12]提出的可觀察學(xué)習(xí)成果結(jié)構(gòu)理論（Structure of the Observed Learning Outcome，SOLO）從認(rèn)知結(jié)構(gòu)改變的角度，基于個(gè)體面對(duì)問題時(shí)的認(rèn)知結(jié)構(gòu)復(fù)雜性和抽象程度變化特點(diǎn)，認(rèn)為思維能力的發(fā)展具有五個(gè)層級(jí)：前三個(gè)層級(jí)屬于低階思維能力，分別為前結(jié)構(gòu)、單點(diǎn)結(jié)構(gòu)、多點(diǎn)結(jié)構(gòu)，表征學(xué)生沒有形成對(duì)問題或?qū)ο蟮睦斫?，到能認(rèn)知問題的一個(gè)方面，再到關(guān)注問題的多個(gè)方面但沒有建立起相關(guān)聯(lián)的知識(shí)網(wǎng)絡(luò)；后兩個(gè)層級(jí)屬于高階思維能力，分別是關(guān)聯(lián)整合結(jié)構(gòu)、拓展抽象結(jié)構(gòu)。其中，關(guān)聯(lián)整合結(jié)構(gòu)即學(xué)生整合對(duì)所有相關(guān)知識(shí)信息的理解，并使其相互之間建立聯(lián)系，以形成一致且有意義的知識(shí)結(jié)構(gòu)，來解決具體情境中的復(fù)雜問題；拓展抽象結(jié)構(gòu)即學(xué)生基于對(duì)問題的全面思考，在知識(shí)整合的基礎(chǔ)上概括出更抽象的概念，并將其拓展遷移至尚未體驗(yàn)的新情境。考慮到SOLO理論重視學(xué)生解決真實(shí)情境問題時(shí)的思維過程與認(rèn)知水平，強(qiáng)調(diào)通過情境創(chuàng)設(shè)、連接已知、創(chuàng)造新知、開展知識(shí)反思和理論化抽象等，深入揭示高階思維能力的結(jié)構(gòu)及關(guān)系，具有更強(qiáng)的解釋力和操作性，因此本研究將基于該理論展開分析。

（2）高階思維能力發(fā)展的影響因素

高階思維孕育于學(xué)生與復(fù)雜環(huán)境的直接互動(dòng)之中，已有研究發(fā)現(xiàn)高階思維受以高質(zhì)量交互為核心的深度學(xué)習(xí)方式的影響，具體表現(xiàn)為：學(xué)生作為學(xué)習(xí)過程的主導(dǎo)者，主動(dòng)參與合作學(xué)習(xí)、探究式學(xué)習(xí)、項(xiàng)目式學(xué)習(xí)、討論等活動(dòng)^[13][14]，在解決真實(shí)問題的過程中不斷得到反饋，并進(jìn)行反思和認(rèn)知加工，以實(shí)現(xiàn)超越孤立知識(shí)的識(shí)記與簡(jiǎn)單輸出。在深度學(xué)習(xí)的過程之中，學(xué)生逐漸成為一個(gè)自主的學(xué)習(xí)者，不斷提出更高層次的問題，繼而獲得復(fù)雜思維和問題解決能力的發(fā)展^[15]。同時(shí)，學(xué)生通過與教師、同伴的密切交流，與其形成互相傾聽和分享的學(xué)習(xí)共同體，可以加深對(duì)問題的理解，激發(fā)元認(rèn)知與創(chuàng)造性思維，從而促進(jìn)高階思維的發(fā)展^[16]?？梢姡嵘唠A思維能力離不開高質(zhì)量的交互過程。

此外，信息和通信技術(shù)（Information and Communication Technology，ICT）使用與高階思維能力之間的關(guān)系也一直受到學(xué)界的關(guān)注。研究表明，ICT技術(shù)的使用極大地促進(jìn)了學(xué)生的學(xué)習(xí)動(dòng)機(jī)和參與度^[17]，可幫助學(xué)生“使用高階思維技能來計(jì)劃和進(jìn)行研究、管理項(xiàng)目、解決問題，并使用適當(dāng)?shù)臄?shù)字工具和資源作出明智的決策”^[18]。當(dāng)學(xué)生使用認(rèn)知工具分析信息或貫通觀點(diǎn)時(shí)，可以通過復(fù)雜思維來解決問題和表征知識(shí)，從而激發(fā)創(chuàng)造性、發(fā)散性想法或拓展抽象思維^[19]，因此應(yīng)用ICT技術(shù)可以提高學(xué)生的高階思維能力^[20]。

2"研究假設(shè)

自人工智能技術(shù)不斷深入教育實(shí)踐，特別是ChatGPT等大語言模型工具問世以來，學(xué)界針對(duì)人工智能工具與學(xué)生高階思維能力發(fā)展的關(guān)系進(jìn)行了一系列討論。一些學(xué)者認(rèn)為，使用上述新技術(shù)能夠?yàn)閷W(xué)生提供更多來自不同渠道的個(gè)性化學(xué)習(xí)資源，幫助學(xué)生快速處理信息，并激發(fā)深層次理解和應(yīng)用，以促進(jìn)高階思維能力發(fā)展。但也有一些學(xué)者對(duì)此持謹(jǐn)慎態(tài)度，認(rèn)為新技術(shù)也將帶來因過度依賴人工智能技術(shù)而減少智力投入的后果，并產(chǎn)生學(xué)術(shù)不端、創(chuàng)新墮化等問題^[21][22][23]。對(duì)此，Essien等^[24]采用混合研究方法，就ChatGPT等大語言模型對(duì)英國(guó)商學(xué)院研究生批判性思維能力的影響展開探索，發(fā)現(xiàn)大語言模型對(duì)記憶、理解和應(yīng)用等低階思維能力發(fā)展具有顯著的提升作用，對(duì)分析、評(píng)估和創(chuàng)造性思維等高階思維有積極的影響，但是影響效應(yīng)相對(duì)較小，并進(jìn)一步提出了大語言模型在教育領(lǐng)域應(yīng)用中面臨的信息準(zhǔn)確性有限、倫理規(guī)范和數(shù)字素養(yǎng)準(zhǔn)備不足等問題；Essel等^[25]則在一門課程中采用小樣本的對(duì)照實(shí)驗(yàn)開展了研究，其中實(shí)驗(yàn)組學(xué)生在課堂任務(wù)中使用ChatGPT，對(duì)照組學(xué)生則使用傳統(tǒng)的數(shù)據(jù)庫和搜索引擎完成類似任務(wù)，結(jié)果發(fā)現(xiàn)相較于對(duì)照組，實(shí)驗(yàn)組學(xué)生的批判性、反思性和創(chuàng)造性思維技能有顯著提升。此外，還有為數(shù)不多的實(shí)證研究通過使用頻次來刻畫大語言模型的使用情況，如Shoufan^[26]針對(duì)國(guó)外某大學(xué)56名計(jì)算機(jī)專業(yè)高年級(jí)學(xué)生的大語言模型使用情況進(jìn)行追蹤調(diào)查，發(fā)現(xiàn)該群體對(duì)大語言模型的接受和使用度較高，且大多數(shù)學(xué)生認(rèn)為它需要改進(jìn)，但對(duì)此持樂觀態(tài)度?？梢?，大語言模型的不同使用方式對(duì)高階思維能力發(fā)展的影響可能不同^[27]。因此，本研究提出假設(shè)1：增加大語言模型工具使用頻次對(duì)學(xué)生高階思維能力發(fā)展有顯著正向影響。

但是，上述研究針對(duì)使用情況僅關(guān)注了使用頻次這一要素，尚未探究人機(jī)交互質(zhì)量在其中的作用。對(duì)此，盧帕特等^[28]從對(duì)話理論的角度分析了技術(shù)與思維的關(guān)系，認(rèn)為技術(shù)本身沒有思維，僅使用技術(shù)并不必然代表思維會(huì)發(fā)生，學(xué)生只有把技術(shù)與對(duì)話反思結(jié)合在一起才能促進(jìn)高階思維的發(fā)展。此外，胡祥恩^[29]提出學(xué)生與教育資源（包括教學(xué)內(nèi)容、學(xué)習(xí)環(huán)境、互動(dòng)機(jī)制和學(xué)習(xí)過程）之間應(yīng)實(shí)現(xiàn)對(duì)稱性，即傳統(tǒng)上書本、課程等教育資源是靜態(tài)且穩(wěn)定的，而現(xiàn)代信息技術(shù)和人工智能技術(shù)促使學(xué)習(xí)資源能夠根據(jù)學(xué)生的需求和能力水平進(jìn)行適應(yīng)性變化，在與學(xué)生互動(dòng)的過程中不斷隨其水平的提升而改進(jìn)，為學(xué)生提供動(dòng)態(tài)的適應(yīng)性支持，以幫助其快速進(jìn)步，智慧課堂、學(xué)習(xí)助手等技術(shù)同樣遵循這一邏輯。ChatGPT等大語言模型作為生成式對(duì)話模型，其獨(dú)特性在于能與學(xué)生進(jìn)行實(shí)時(shí)個(gè)性化的互動(dòng)，學(xué)生提出深層次的問題就會(huì)得到深層次的回應(yīng)，是更加典型的對(duì)稱性系統(tǒng)，這就創(chuàng)造了傳統(tǒng)師生互動(dòng)、生生互動(dòng)、學(xué)生與內(nèi)容互動(dòng)之外的第四類人機(jī)互動(dòng)模式^[30]?？梢?，學(xué)生與人工智進(jìn)行高質(zhì)量的深入互動(dòng)，不斷探索和優(yōu)化使用方法來提升人機(jī)交互的質(zhì)量，可能是提升高階思維能力的關(guān)鍵^[31]。因此，本研究提出假設(shè)2：交互質(zhì)量在大語言模型工具影響學(xué)生高階思維能力發(fā)展的過程中發(fā)揮了中介作用。

二 研究設(shè)計(jì)

1"樣本來源

本研究于2023年9月～11月對(duì)我國(guó)12所雙一流大學(xué)的學(xué)生展開了問卷調(diào)查，其中包括清華大學(xué)、北京大學(xué)、上海交通大學(xué)、浙江大學(xué)、中山大學(xué)、南方科技大學(xué)、中南大學(xué)、西安交通大學(xué)、重慶大學(xué)、四川大學(xué)、蘭州大學(xué)、哈爾濱工業(yè)大學(xué)。這些高校作為研究型大學(xué)，其人才培養(yǎng)目標(biāo)指向引領(lǐng)未來發(fā)展的拔尖創(chuàng)新人才，重視對(duì)學(xué)生高階思維的培養(yǎng)，因此符合本研究的需要。同時(shí)，樣本學(xué)校覆蓋東中西部不同區(qū)域，具有較為廣泛的代表性，能夠保證結(jié)論的可靠性。本研究共回收問卷2037份，根據(jù)作答時(shí)間、反向題等規(guī)則剔除部分問卷后，最終回收有效問卷1887份，有效率達(dá)92.64%。在有效樣本中，男生占55.70%，女生占44.30%；理科生占21.46%，工科生占39.59%，人文學(xué)生占11.66%，社科學(xué)生占16.75%，農(nóng)醫(yī)學(xué)生占8.74%；本科生占64.44%，碩士生占23.26%，博士生占12.29%；農(nóng)村學(xué)生占33.07%，城鎮(zhèn)學(xué)生占66.93%；東部地區(qū)高校學(xué)生占45.49%，中部地區(qū)高校學(xué)生占29.35%，西部地區(qū)高校學(xué)生占14.26，東北地區(qū)高校學(xué)生占10.89%，基本符合總體分布情況。

2"變量設(shè)置與工具

①大語言模型工具使用頻次：基于研究團(tuán)隊(duì)前期文獻(xiàn)和訪談?wù){(diào)研編制量表，為了解學(xué)生將大語言模型應(yīng)用于不同用途的頻次，將本變量分為兩個(gè)子維度，即基礎(chǔ)執(zhí)行應(yīng)用維度（設(shè)有5個(gè)題項(xiàng)，如“檢索信息”“翻譯文本”）和深度創(chuàng)意應(yīng)用維度（設(shè)有5個(gè)題項(xiàng)，如“尋找解決問題的靈感或思路”“輔助完成作業(yè)”），采用頻次量表進(jìn)行調(diào)查。

②高階思維能力：基于Biggs^[32]的SOLO分類模型，結(jié)合樣本高校學(xué)生利用大語言模型工具完成學(xué)習(xí)與科研工作的實(shí)際情況編制量表^[33]，將本變量分為兩個(gè)子維度，即關(guān)聯(lián)整合維度（設(shè)有5個(gè)題項(xiàng)，如“整合信息更全面”）和拓展抽象維度（設(shè)有5個(gè)題項(xiàng)，如“將大語言模型的反饋遷移到其他領(lǐng)域”“能根據(jù)獲取的知識(shí)推進(jìn)研究”），采用李克特量表進(jìn)行測(cè)量。

③交互質(zhì)量：基于課題組前期文獻(xiàn)和訪談?wù){(diào)研編制量表^[34]，本變量包括反思使用過程、調(diào)整和優(yōu)化查詢策略、基于反饋提出更深入的問題共3個(gè)題項(xiàng)，采用李克特量表進(jìn)行測(cè)量。

本研究對(duì)問卷各分量表進(jìn)行信效度檢驗(yàn)，結(jié)果顯示各分量表的Cronbach’s"α系數(shù)值均在0.770～0.911之間，說明信度良好。同時(shí)，各分量表的KMO值均大于0.9，Bartlett球形檢驗(yàn)顯著性＜0.001，表明適合進(jìn)行因子分析。因子分析的結(jié)果顯示，分量表的因子方差解釋率均高于50%，各題項(xiàng)在單一因子上載荷均大于0.3，說明測(cè)量的結(jié)構(gòu)效度符合要求^[35]。除使用頻次以最大值合成外，各維度得分由李克特量表題加總平均得到。此外，由于學(xué)生性別、學(xué)段、高校所在地、戶籍、家庭年收入對(duì)高階思維能力和交互質(zhì)量都有顯著影響（篇幅所限未在文中展示相關(guān)結(jié)果），本研究將這些變量作為控制變量加入模型。

3"數(shù)據(jù)分析思路與方法

首先，對(duì)樣本高校學(xué)生使用大語言模型工具的頻次、高階思維能力及其子維度、交互質(zhì)量（核心變量）的水平進(jìn)行描述統(tǒng)計(jì)。然后，構(gòu)建多元線性回歸模型，對(duì)使用頻次影響高階思維的程度進(jìn)行估計(jì)——模型1～模型6分析使用頻次及其子維度對(duì)高階思維能力及其子維度的影響。最后，構(gòu)建多元線性回歸模型，估計(jì)交互質(zhì)量的中介效應(yīng)^[36]——模型7和模型8分析使用頻次及其子維度對(duì)交互質(zhì)量的影響，模型9～模型14分析納入交互質(zhì)量后使用頻次及其子維度對(duì)高階思維能力及其子維度的影響。所有模型均納入性別、學(xué)段、高校所在地、戶籍、家庭年收入作為控制變量，所有分析均使用Stata 15.0軟件進(jìn)行。

三 研究結(jié)果

1 核心變量的描述統(tǒng)計(jì)結(jié)果

樣本高校學(xué)生使用大語言模型工具的頻次、高階思維能力、交互質(zhì)量等基本特征的描述統(tǒng)計(jì)結(jié)果如表1所示，可以看出：在使用比例上，有51.30%的樣本高校學(xué)生使用過大語言模型工具；在使用頻次上，樣本高校學(xué)生在不同功能上的平均使用頻次為3.390，介于“每月不少于3次”和“每周不少于3次”之間——其中，樣本高校學(xué)生在基礎(chǔ)執(zhí)行應(yīng)用上的平均使用頻次為3.231，在深度創(chuàng)意應(yīng)用上的平均使用頻次為2.991，說明深度創(chuàng)意應(yīng)用仍有提升空間。在交互質(zhì)量上，樣本高校學(xué)生平均得分為3.736。在高階思維能力上，樣本高校學(xué)生總分平均為3.384，在五點(diǎn)量表中處于中等偏上水平，其中關(guān)聯(lián)整合為3.310，拓展抽象為3.457。

2 大語言模型工具使用頻次對(duì)高校學(xué)生高階思維能力的影響

表2展示了大語言模型工具使用頻次對(duì)樣本高校學(xué)生高階思維能力發(fā)展的影響，其中模型1～模型3的自變量為樣本高校學(xué)生的使用頻次，模型4～模型6的自變量為基礎(chǔ)執(zhí)行應(yīng)用頻次和深度創(chuàng)意應(yīng)用頻次，所有模型中均納入控制變量。由表2可知，樣本高校學(xué)生的大語言模型使用頻次對(duì)高階思維能力總分及其子維度具有顯著正向影響，使用頻次每增加一個(gè)單位，高階思維能力總分、關(guān)聯(lián)整合維度和拓展抽象維度得分分別提升0.222分、0.216分、0.227分。其中，子維度結(jié)果表明，基礎(chǔ)執(zhí)行應(yīng)用頻次對(duì)樣本高校學(xué)生的高階思維能力發(fā)展具有顯著正向影響，但影響效應(yīng)相對(duì)較??；深度創(chuàng)意應(yīng)用頻次對(duì)樣本高校學(xué)生的高階思維能力發(fā)展具有顯著正向影響，且影響效應(yīng)較大。

3 交互質(zhì)量作為中介變量的機(jī)制分析

本研究采用逐步回歸法分析大語言模型工具使用頻次對(duì)高階思維能力影響的中間機(jī)制，具體如表3、表4所示。其中，模型7和模型8以交互質(zhì)量為因變量，檢驗(yàn)大語言模型工具使用頻次對(duì)交互質(zhì)量的影響；模型9～模型14加入交互質(zhì)量作為中介，檢驗(yàn)交互質(zhì)量回歸系數(shù)和使用頻次回歸系數(shù)的變化情況。結(jié)果表明，使用頻次對(duì)交互質(zhì)量具有顯著正向影響，交互質(zhì)量對(duì)高階思維能力總分及其子維度也具有顯著正向影響。在模型中納入交互質(zhì)量后，使用頻次和深度創(chuàng)意應(yīng)用頻次對(duì)高階思維能力仍具有顯著正向影響，而基礎(chǔ)執(zhí)行應(yīng)用頻次的回歸系數(shù)不再顯著，且高階思維能力總分及其子維度影響的回歸系數(shù)絕對(duì)值變小，說明交互質(zhì)量是使用頻次影響高階思維能力的中介變量，在基礎(chǔ)執(zhí)行應(yīng)用頻次的影響中為完全中介效應(yīng)，而在深度創(chuàng)意應(yīng)用頻次的影響中為部分中介效應(yīng)。據(jù)此，本研究設(shè)計(jì)了交互質(zhì)量的中介效應(yīng)模型，如圖1所示。

四 結(jié)論與建議

1"研究結(jié)論

隨著大語言模型技術(shù)的快速發(fā)展，如何利用人工智能技術(shù)促進(jìn)大學(xué)生的學(xué)習(xí)與發(fā)展，尤其是如何利用新技術(shù)促進(jìn)其高階思維能力發(fā)展是高等教育面臨的關(guān)鍵問題。本研究基于我國(guó)12所“雙一流”大學(xué)學(xué)生的問卷調(diào)查數(shù)據(jù)，系統(tǒng)分析了高校學(xué)生大語言模型工具使用和高階思維能力的基本特征，以及大語言模型工具使用對(duì)高階思維能力發(fā)展的影響及其中間機(jī)制，所得主要結(jié)論如下：

本研究發(fā)現(xiàn)，樣本高校中雖然有超過半數(shù)的學(xué)生使用過大語言模型工具，但深度創(chuàng)意應(yīng)用仍有待加強(qiáng)。過半數(shù)學(xué)生能夠相對(duì)熟練、深入地使用大語言模型工具，但更多使用大語言模型工具完成檢索信息、翻譯文本等基礎(chǔ)執(zhí)行應(yīng)用，在激發(fā)創(chuàng)意、完成復(fù)雜創(chuàng)作任務(wù)等深度創(chuàng)意應(yīng)用上的使用比例和頻次相對(duì)較低。此外，調(diào)研結(jié)果表明，樣本高校學(xué)生的高階思維能力總分、關(guān)聯(lián)整合維度、拓展抽象維度得分平均為3.384、3.310、3.457，在五點(diǎn)量表中處于中等偏上水平。

回歸分析結(jié)果表明，假設(shè)1成立，即增加大語言模型工具使用頻次對(duì)學(xué)生高階思維能力發(fā)展有顯著正向影響。從回歸系數(shù)來看，大語言模型的深度創(chuàng)意應(yīng)用頻次影響更大，基礎(chǔ)執(zhí)行應(yīng)用頻次影響相對(duì)較小。這一結(jié)果說明使用大語言模型不僅不會(huì)阻礙學(xué)生的認(rèn)知發(fā)展，在提倡創(chuàng)造力培養(yǎng)的數(shù)智時(shí)代，還可以扮演更重要的角色——通過提供更加充分適切的信息、更加開放多元的思路靈感和輔助性學(xué)習(xí)科研工具，支持學(xué)生更好地完成學(xué)習(xí)和科研任務(wù)，以促進(jìn)其高階思維能力發(fā)展。

中間機(jī)制分析結(jié)果表明，假設(shè)2成立，交互質(zhì)量在大語言模型工具影響學(xué)生高階思維能力發(fā)展的過程中發(fā)揮了中介作用。其中，基礎(chǔ)執(zhí)行應(yīng)用完全通過交互質(zhì)量的中介作用，來影響學(xué)生高階思維能力的發(fā)展；而增加深度創(chuàng)意應(yīng)用頻次，既可以直接影響學(xué)生的高階思維能力，也可以通過提升交互質(zhì)量來提升學(xué)生的高階思維能力。一方面，學(xué)生只有將技術(shù)與對(duì)話反思結(jié)合在一起才能促進(jìn)高階思維的發(fā)展^[37]，高質(zhì)量的對(duì)話應(yīng)當(dāng)是能促使學(xué)生不斷進(jìn)行深度反思的交互；另一方面，從SOLO理論的視角來看，學(xué)生的高階思維表現(xiàn)為基于豐富的簡(jiǎn)單結(jié)構(gòu)知識(shí)，整合對(duì)相關(guān)信息的理解，建立復(fù)雜的關(guān)聯(lián)網(wǎng)絡(luò)，同時(shí)概括出抽象特征并將其遷移至未體驗(yàn)的新場(chǎng)景中。而大語言模型工具是人類全部知識(shí)的壓縮，同時(shí)作為學(xué)生需求與能力的適應(yīng)性系統(tǒng)^[38]，不僅提供海量的簡(jiǎn)單結(jié)構(gòu)知識(shí)，其回應(yīng)質(zhì)量也與學(xué)生的提問水平直接關(guān)聯(lián)，可以在人機(jī)持續(xù)的對(duì)話中不斷支持學(xué)生進(jìn)行整合和抽象，進(jìn)而促進(jìn)高階思維能力發(fā)展。

2 研究建議

本研究面向我國(guó)12所雙一流大學(xué)的學(xué)生開展問卷調(diào)查，分析首批接觸大語言模型工具的高校學(xué)生如何使用新技術(shù)，并初步探索新技術(shù)怎樣影響學(xué)生的高階思維能力發(fā)展，既回應(yīng)了人工智能與人類智能關(guān)系的理論分歧，也可為面向未來的創(chuàng)新人才培養(yǎng)提供實(shí)證參考。為進(jìn)一步提升學(xué)生的高階思維能力，本研究針對(duì)大語言模型工具的應(yīng)用提出以下建議：

①應(yīng)正視人工智能技術(shù)在高等教育教學(xué)過程中的作用，積極推動(dòng)人工智能賦能教育應(yīng)用。本研究基于較大規(guī)模的樣本調(diào)查，發(fā)現(xiàn)大語言模型工具使用對(duì)高校學(xué)生的高階思維能力發(fā)展具有促進(jìn)作用，這在一定程度上回應(yīng)了部分學(xué)者對(duì)于新技術(shù)介入高等教育領(lǐng)域的疑慮。ChatGPT等大語言模型工具能夠提供高質(zhì)量信息和個(gè)性化學(xué)習(xí)指導(dǎo)，支持學(xué)生調(diào)整和拓展現(xiàn)有的認(rèn)知圖式，并通過深度互動(dòng)促進(jìn)新舊知識(shí)的整合和創(chuàng)新性認(rèn)知的形成，從而促進(jìn)高階思維能力的發(fā)展^[39]。面對(duì)大語言模型工具的快速更新迭代，高等教育無法排斥，也不能無視大語言模型工具對(duì)工作生活的廣泛影響，而應(yīng)以更加積極的心態(tài)接納新技術(shù)，利用新技術(shù)革新教育教學(xué)，促進(jìn)學(xué)生高階思維能力的發(fā)展。

②結(jié)合課內(nèi)外真實(shí)情境，促進(jìn)大語言模型工具的深度創(chuàng)意應(yīng)用。與已有研究相比，本研究將大語言模型工具使用劃分為基礎(chǔ)執(zhí)行應(yīng)用和深度創(chuàng)意應(yīng)用，并發(fā)現(xiàn)深度創(chuàng)意應(yīng)用對(duì)高校學(xué)生高階思維能力的影響效應(yīng)更突出。但描述統(tǒng)計(jì)表明，當(dāng)前高校學(xué)生使用大語言模型工具進(jìn)行文本創(chuàng)作等深度創(chuàng)意應(yīng)用的頻次仍然較低。針對(duì)這一問題，高校不僅要通過提供資源來支持學(xué)生使用大語言模型工具，還要設(shè)計(jì)更加真實(shí)、廣泛的應(yīng)用場(chǎng)景，以更有效的課程與課外活動(dòng)吸引學(xué)生更多地使用工具，以更大程度地發(fā)揮大語言模型工具對(duì)學(xué)生學(xué)習(xí)的幫助效果。當(dāng)前，多所世界頂尖高校也正在嘗試將人工智能技術(shù)融入學(xué)生的課程學(xué)習(xí)與科研訓(xùn)練，以培養(yǎng)能解決復(fù)雜問題的拔尖創(chuàng)新人才，使學(xué)生在項(xiàng)目實(shí)踐和知識(shí)學(xué)習(xí)的綜合體驗(yàn)中提升對(duì)新技術(shù)的深度使用能力^[40]。

③加強(qiáng)師生人工智能素養(yǎng)培養(yǎng)，提升人機(jī)交互質(zhì)量。本研究發(fā)現(xiàn)交互質(zhì)量是大語言模型工具影響學(xué)生高階思維能力發(fā)展的中介變量，個(gè)體使用大語言模型工具無論是進(jìn)行基礎(chǔ)執(zhí)行應(yīng)用還是深度創(chuàng)意應(yīng)用，都要做好充分的能力準(zhǔn)備，以實(shí)現(xiàn)與人工智能工具之間的有效交互，這對(duì)高階思維能力發(fā)展至關(guān)重要。高質(zhì)量的人機(jī)交互依賴于人工智能素養(yǎng)的培育，需要高校為不同基礎(chǔ)的學(xué)生提供進(jìn)階式的人工智能課程、講座、人工智能學(xué)習(xí)平臺(tái)等，并通過培訓(xùn)提升高校教師的人工智能教學(xué)與科研應(yīng)用能力，積極支持教師創(chuàng)建互動(dòng)式的學(xué)習(xí)環(huán)境，以鼓勵(lì)學(xué)生通過實(shí)踐操作來掌握人工智能技術(shù)，增強(qiáng)學(xué)習(xí)體驗(yàn)^[41][42]。

本研究是對(duì)數(shù)智時(shí)代利用大語言模型工具促進(jìn)學(xué)生高階思維能力發(fā)展的初步探索，揭示了人機(jī)高質(zhì)量互動(dòng)的關(guān)鍵作用。但是，在人工智能技術(shù)快速融入教學(xué)場(chǎng)景的當(dāng)下，互動(dòng)的結(jié)構(gòu)及其作用機(jī)制更為復(fù)雜，如何進(jìn)一步實(shí)現(xiàn)融合師生、生生和人機(jī)的有序高效互動(dòng)仍是一個(gè)難題。本研究?jī)H對(duì)人機(jī)互動(dòng)單一作用展開了研究，未來將進(jìn)一步分析多元復(fù)雜交互之間的綜合影響，為在真實(shí)教學(xué)場(chǎng)景中提升大語言模型工具的使用效果提供有效策略。

參考文獻(xiàn)

[1]World Economic Forum. The future of jobs report 2023[OL].

lt;https：//www.weforum.org/publications/the-future-of-jobs-report-2023/digest/gt;

[2]吳冰藍(lán)，周麗萍，岳昌君.AI時(shí)代高等教育要素投入對(duì)本科生核心能力增值的貢獻(xiàn)[J].教育與經(jīng)濟(jì)，2024，（2）：68-78、96.

[3]趙麗紅，左敏，黃先開.人工智能時(shí)代高等教育教學(xué)的變革指向：培養(yǎng)高階思維[J].北京師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023，（4）：40-48.

[4][25]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.

[5]Okonkwo C W， Ade-Ibijola A. Chatbots applications in education： A systematic review[J]. Computers and Education： Artificial Intelligence， 2021，2：100033.

[6]Mogavi R H， Deng C， Juho K J， et al. ChatGPT in education： A blessing or a curse？ A qualitative study exploring early adopters’ utilization and perceptions[J]. Computers in Human Behavior： Artificial Humans， 2024，（1）：100027.

[7]Lewis A， Smith D. Defining higher order thinking[J]. Theory Into Practice， 1993，（3）：131-137.

[8]鐘志賢.促進(jìn)學(xué)習(xí)者高階思維發(fā)展的教學(xué)設(shè)計(jì)假設(shè)[J].電化教育研究，2004，（12）：21-28.

[9]Bloom B S， Krathwohl D R. Taxonomy of educational objectives： The classification of educational goals handbook I cognitive domain[M]. New York： David McKay， 1956：5-10.

[10]Anderson L W， Krathwohl D R， Airasian P W， et al. A taxonomy for learning， teaching， and assessing： A revision of Bloom’s taxonomy of educational objectives[M]. New York： Longman， 2001：27-30.

[11]馬淑風(fēng)，楊向東.什么才是高階思維？——以“新舊知識(shí)關(guān)系建立”為核心的高階思維概念框架[J].華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2022，（11）：58-68.

[12]Biggs J， Tang C. Teaching for quality learning at university： What the student does （4th ed）[M]. Maidenhead： Open University Press， 2011：88-90.

[13]Lee J， Choi H. What affects learner’s higher-order thinking in technology-enhanced learning environments？ The effects of learner factors[J]. Computers amp; Education， 2017，115：143-152.

[14]Budsankom P， Sawangboon T， Damrongpanit S. Factors affecting higher order thinking skills of students： A meta-analytic structural equation modeling study[J]. Educational Research and Review， 2015，（19）：2639-2652.

[15]Magas C P， Gruppen L D， Barrett M， et al. Intraoperative questioning to advance higher-order thinking[J]."American Journal of Surgery， 2017，（2）：222-226.

[16]Premo J， Cavagnetto A. Priming students for whole-class interaction： Using interdependence to support behavioral engagement[J]. Social Psychology of Education， 2018，（4）：915-935.

[17]Sun H， Xie Y， Lavonen J. Effects of the use of ICT in schools on students’ science higher-order thinking skills： Comparative study of China and Finland[J]. Research in Science amp; Technological Education， 2022，（2）：276-293.

[18]International Society for Technology in Education. National educational technology standards for students[OL].

lt;https：//www.pobschools.org/cms/lib/NY01001456/Centricity/Domain/45/Ed%20Tech%20Resources/ISTENETS.pdfgt;

[19]Kirkwood A， Price L. Technology-enhanced learning and teaching in higher education： What is “enhanced” and how do we know？ A critical literature review[J]. Learning， Media and Technology， 2014，（1）：6-36.

[20]Almerich G， Suárez-Rodríguez J， Díaz-García I， et al. 21st-century competences： The relation of ICT competences with higher-order thinking capacities and teamwork competences in university students[J]. Journal of Computer Assisted Learning， 2020，（4）：468-479.

[21]Cano Y M， Venuti F， Martinez R H. ChatGPT and AI text generators： Should academia adapt or resist[OL].

lt;https：//www.hbsp.harvard.edu/inspiring-minds/chatgpt-and-ai-text-generators-should-academia-adapt-or-resistgt;

[22]Cotton D R E， Cotton P A， Shipway J R. Chatting and cheating： Ensuring academic integrity in the era of ChatGPT[J]. Innovations in Education and Teaching International， 2023，（2）：228-239.

[23]祝智庭，戴嶺，胡姣.高意識(shí)生成式學(xué)習(xí)：AIGC技術(shù)賦能的學(xué)習(xí)范式創(chuàng)新[J].電化教育研究，2023，（6）：5-14.

[24]Essien A， Bukoye O T， O’Dea X， et al. The influence of AI text generators on critical thinking skills in UK business schools[J]. Studies in Higher Education， 2024，（5）：865-882.

[26]Shoufan A. Exploring students’ perceptions of ChatGPT： Thematic analysis and follow-up survey[J]. IEEE Access， 2023，（11）：38805-38818.

[27]Bhullar P S， Joshi M， Chugh R. ChatGPT in higher education： A synthesis of the literature and a future research agenda[J]. Education and Information Technologies， 2024，（29）：21501-21522.

[28][37]（英）盧帕特·威格里夫，肖俊洪.從對(duì)話理論角度看因特網(wǎng)時(shí)代技術(shù)在思維教學(xué)中的作用[J].中國(guó)遠(yuǎn)程教育，2015，（3）：21-30、79.

[29][38]劉凱，胡靜.人工智能教育應(yīng)用理論框架：學(xué)習(xí)者與教育資源對(duì)稱性假設(shè)——訪智能導(dǎo)學(xué)系統(tǒng)專家胡祥恩教授[J].開放教育研究，2018，（6）：4-11.

[30]Moore M G. Editorial： Three types of interaction[J]. American Journal of Distance Education， 1989，（2）：1-7.

[31]Garrison D R， Baynton M. Concepts： Beyond independence in distance education： The concept of control[J]. American Journal of Distance Education， 1987，（3）：3-15.

[32]Biggs J， Kember D， Leung D Y P. The revised two-factor study process questionnaire： R-SPQ-2F[J]. British Journal of Educational Psychology， 2001，（1）：133-149.

[33]Zakariya Y F， Bj?rkest?l K， Nilsen H K， et al. University students’ learning approaches： An adaptation of the revised two-factor study process questionnaire to Norwegian[J]. Studies in Educational Evaluation， 2020，64：100816.

[34]Almulla M A. Investigating influencing factors of learning satisfaction in AI ChatGPT for research： University students perspective[J]. Heliyon， 2024，（11）：e32220.

[35]吳明隆.問卷統(tǒng)計(jì)分析實(shí)務(wù)[M].重慶：重慶大學(xué)出版社，2010：205、232.

[36]溫忠麟，張雷，侯杰泰，等.中介效應(yīng)檢驗(yàn)程序及其應(yīng)用[J].心理學(xué)報(bào)，2004，（5）：614-620.

[39]Gibson D， Kovanovic V， Ifenthaler D， et al. Learning theories for artificial intelligence promoting learning processes[J]. British Journal of Educational Technology， 2023，（5）：1125-1146.

[40]高海燕，張優(yōu)良.英美著名高校的生成式人工智能政策及其啟示[J].現(xiàn)代教育技術(shù)，2024，（7）：42-50.

[41]Almatrafi O， Johri A， Lee H. A systematic review of AI literacy conceptualization， constructs， and implementation and assessment efforts （2019-2023）[J]. Computers and Education Open， 2024，6：1-20.

[42]Gaviria-Marin M， Matute-Vallejo J， Baier-Fuentes H. The effect of ICT and higher-order capabilities on the performance of Ibero-American SMEs[J]. Computational and Mathematical Organization Theory， 2021，（4）：414-450.

Can Large Language Model Tools Promote the Development of University Students’ Higher-Order Thinking Skills？

——An Empirical Analysis Based on a Questionnaire Survey of Students from 12 Double First-Class Universities

LI"Man-Li¹""""QIAO"Wei-Feng¹""""LI Rui-Miao^{2[Corresponding Author]}

（1."Institute of Education， Tsinghua University， Beijing， China 100084;

2."Research Institute for International and Comparative Education， Shanghai Normal University，"Shanghai， China 200234）

Abstract： In the era of intelligent technology， it has gradually become a consensus"to pay attention to the cultivation of university students’ higher-order thinking skills. However， there remains debate over whether"university students can use large language model tools to"promote the development of higher-order thinking skills is still controversial."Clarifying this dispute not only helps to theoretically analyze the mechanism of students’"higher-order thinking development under the background of AI， but also provides a reliable basis for what measures to be taken by schools and teachers in educational practice. Accordingly， this paper made an empirical analysis on university students’"use situation of large language model tools and its impact on higher-order thinking skills using questionnaire survey data of students from 12 double first-class universities in China. The results showed that"more than"half of university students used large language model tools， but the deep creative application still needed to be strengthened; increasing the frequency of basic execution and deep creative application of large language model tools"had"a significant positive effect on the development of higher-order thinking skills; interaction quality played a mediating role in the influence of the use frequency of large language model tool on higher-order thinking skills. Based on this， the paper"suggested"that universities should acknowledge the role of AI technology in the teaching process of higher education"and actively promote the application of AI in empowering education， combine real situations inside and outside the class to"promote"the deep creative application of large language model tools， and strengthen the cultivation of AI literacy of teachers and students to improve the quality of human-computer interaction.

Keywords："large language model; higher-order thinking skills; university students; double first-class universities

*基金項(xiàng)目：本文受國(guó)家自然科學(xué)基金面上項(xiàng)目“數(shù)智時(shí)代真實(shí)學(xué)習(xí)情境下高階思維能力的形成機(jī)理及評(píng)價(jià)研究”（項(xiàng)目編號(hào)：62277034）資助。

作者簡(jiǎn)介：李曼麗，教授，博士，研究方向?yàn)楦叩冉逃龑W(xué)、在線教育等，郵箱為marylee@tsinghua.edu.cn。

收稿日期：2024年11月12日

編輯：小時(shí)