以ChatGPT為代表的GenAI能夠處理具體任務(wù)，具備理解語言、認(rèn)知感知、自主決策等能力，可以輔助翻譯、寫作、編程等多項工作[1l。世界各國及國際組織對GenAI的教育應(yīng)用給予了高度關(guān)注，并紛紛進行了積極探索。2023年5月，美國教育部教育技術(shù)辦公室發(fā)布報告《人工智能與教學(xué)的未來：見解與提議》[2]，闡釋了人工智能改進學(xué)生自適應(yīng)學(xué)習(xí)和教師工作的多種可能性，并提出了教師始終是教學(xué)決策的核心、AI工具設(shè)計需符合教育愿景等七項政策建議，以呼吁教育領(lǐng)導(dǎo)者采取行動。同年7月，聯(lián)合國教科文組織發(fā)布報告《生成式人工智能與教育的未來》[3]，探討了GenAI對未來教育的諸多影響，如教師角色的轉(zhuǎn)變、評估方式的變化、教育目標(biāo)的調(diào)整等。在高等教育領(lǐng)域，GenAI被預(yù)期將重塑高校的教學(xué)場景、教學(xué)流程和思維范式[4]，并將深刻改變傳統(tǒng)的高校教學(xué)、科研和行政管理實踐[5]。因此，如何將GenAI 更好地融入高校教育教學(xué)變革成為了各國關(guān)注的重點。特別是高等教育該如何培養(yǎng)和提高大學(xué)生的數(shù)字素養(yǎng)，以使其具備人工智能時代的職場競爭力，已成為亟待解決的問題。相關(guān)調(diào)查顯示，中國大學(xué)生對GenAI的熟悉度、接受度和學(xué)習(xí)需求均較高，但仍有四分之一的大學(xué)生不太了解GenAI，不同性別、年級和專業(yè)的大學(xué)生對GenAI的熟悉程度也存在顯著差異[6]?；诖?，本研究擬采用扎根理論研究方法，探究大學(xué)生使用GenAI的典型特征并進行群體分類，據(jù)此為大學(xué)生提供差異化的GenAI服務(wù)，進而為提升學(xué)習(xí)成效和后續(xù)的教學(xué)改革提供參考。

一文獻綜述

GenAI給高等教育帶來了新的機遇，極大地賦能了大學(xué)生的學(xué)習(xí)和生活。例如，在學(xué)習(xí)方面，GenAI有望重塑學(xué)習(xí)空間、學(xué)習(xí)過程和學(xué)習(xí)方式，通過個性化、人性化、及時性的智能優(yōu)勢，為學(xué)生提供完全自主的學(xué)習(xí)模式7；在科研方面，以ChatGPT為代表的GenAI能夠解答專業(yè)學(xué)術(shù)問題，加快大學(xué)生的科研創(chuàng)新進度[8。此外，GenAI還可以扮演朋友角色，與學(xué)生互動聊天，甚至提供心理輔導(dǎo)[9]。

隨著GenAI在高校應(yīng)用的不斷深入，越來越多的研究者開始關(guān)注大學(xué)生的GenAI使用行為和效果。

例如，李艷等[0]發(fā)現(xiàn)，大學(xué)生在課程學(xué)習(xí)、科研活動、日常生活、升學(xué)求職四大典型場景中都使用了GenAI。Stzeleckil探索了影響大學(xué)生接受ChatGPT的因素，發(fā)現(xiàn)決定使用行為的首要因素是行為意向，其次是個人創(chuàng)新能力。Xiao 等[2]的調(diào)研結(jié)果表明，大學(xué)生認(rèn)為ChatGPT有潛力成為一個學(xué)習(xí)伙伴，幫助完成與語言學(xué)習(xí)有關(guān)的任務(wù)。金皓月等[13]研究了大學(xué)生在學(xué)術(shù)寫作中使用GenAI的行為，發(fā)現(xiàn)大學(xué)生主要使用ChatGPT錘煉語言、確定選題等，大部分學(xué)生表示愿意再次與ChatGPT協(xié)同寫作。孫丹等[4]探究了大學(xué)生如何利用ChatGPT進行編程學(xué)習(xí)的問題，并梳理了大學(xué)生在編程過程中使用ChatGPT的典型行為模式。

此外，有國內(nèi)外研究者嘗試根據(jù)GenAI使用者的行為特征開展群體分類。例如，吳蔚然等[15]采用扎根理論研究方法對16名一線教師進行深度訪談，了解教師與GenAI交互過程中的技術(shù)接受程度、角色定位等，發(fā)現(xiàn)教師主要通過ChatGPT檢索教育教學(xué)的相關(guān)信息并期望獲得創(chuàng)造性的回復(fù)，教師對ChatGPT 的角色定位包括秘書、學(xué)伴、私人定制的工具、高級搜索引擎等；按照接受類型的不同，教師可分為理性保守接受者、理性開放接受者、感性保守接受者和感性開放接受者四類。Gkinkoa 等[1基于扎根理論探索了一個國際組織中 46 名員工在日常工作中使用人工智能聊天機器人的不同方式，并根據(jù)使用方式的兩個關(guān)鍵維度——交互的主導(dǎo)模式和對人工智能聊天機器人技術(shù)的理解，將人工智能聊天機器人的用戶分為早期退出者（EarlyQuitter）、實用者（Pragmatic）、漸進者（Progressive）和持久者（Persistent）四種類型。

大學(xué)生作為高等教育的主要培養(yǎng)對象，對其使用GenAI進行群體分類有助于教育者提供差異化的學(xué)習(xí)服務(wù)，以提高學(xué)習(xí)成效。然而，當(dāng)前研究多關(guān)注大學(xué)生使用GenAI的行為和效果，而缺乏對其細(xì)粒度的特征提取與群體劃分。因此，本研究將重在解答以下問題： ① 大學(xué)生使用GenAI的典型特征有哪些？ ② 基于典型特征的不同，使用GenAI的大學(xué)生大致可以分為哪幾類群體？每個群體有何特點？

二研究設(shè)計

1研究方法

本研究采用扎根理論研究方法，通過半結(jié)構(gòu)化訪談收集大學(xué)生在使用GenAI過程中的真實體驗數(shù)據(jù)。扎根理論強調(diào)系統(tǒng)地收集原始數(shù)據(jù)資料，在此基礎(chǔ)上對資料進行逐級編碼，提煉概念和范疇，形成理論，以解決某種現(xiàn)象或問題[17]。本研究嚴(yán)格遵循扎根理論研究方法，按照開放式編碼、主軸式編碼、選擇式編碼等操作步驟對訪談文本進行細(xì)致分析，試圖挖掘大學(xué)生使用GenAI的典型特征與群體分類。

2研究對象

為深入了解用戶，消除系統(tǒng)配置的差異并減少組織環(huán)境差異的影響，本研究采用目的性抽樣原則，以浙江省Z大學(xué)的本科生為研究對象。按照研究目的，本研究選取能夠為研究問題提供最大信息量的研究對象[18]，同時根據(jù)Z大學(xué)本科生的樣本特性，利用最大差異抽樣、分層目的抽樣、滾雪球抽樣等方法來完成目的性抽樣。據(jù)此，本研究先通過預(yù)訪談3名不同專業(yè)的本科生，來了解大學(xué)生使用GenAI的真實想法和體驗。之后，本研究通過目的性抽樣，選取20名浙江省Z大學(xué)的本科生展開半結(jié)構(gòu)化訪談，其中男生、女生各10名，年級覆蓋大二至大四，學(xué)科涵蓋人文社科、理工農(nóng)醫(yī)等門類。在訪談中，所有受訪者都表示使用過GenAI，并就自己對GenAI的熟悉程度打分，平均得分為3.95分（滿分5分）。

3數(shù)據(jù)收集

參考 Gkinko等[9]的研究，本研究從大學(xué)生與GenAI交互過程中的行為、態(tài)度等維度由淺入深地梳理訪談提綱，代表性訪談問題有：“在與GenAI進行互動的過程中，你常用它來做什么？”“你在使用過程中是否遇到過問題，你是如何應(yīng)對的？”“你對使用GenAI持怎樣的態(tài)度？”“GenAI在你的日常生活中是一個怎樣的角色？如果打比方，你覺得它像什么？”

之后，本研究開展半結(jié)構(gòu)化訪談。訪談于2023年12月 ～2024 年3月以線上線下相結(jié)合的方式進行。其中，有18名受訪者參加線下訪談，有2名受訪者通過騰訊會議參加線上訪談；每名受訪者的訪談時長控制在 30～90 分鐘之內(nèi)，在征得受訪者的同意后對訪談過程予以全程錄音?？紤]到某些受訪者（如擅長AI應(yīng)用的學(xué)習(xí)者）在關(guān)鍵問題上會有更多的言語表達(dá)，研究者會根據(jù)實際情況調(diào)整具體的訪談問題、增加訪談的深度溝通時長。此外，鑒于對當(dāng)?shù)丨h(huán)境中發(fā)生的事件和行動進行隨訪、觀察所獲得的豐富數(shù)據(jù)也是研究數(shù)據(jù)的重要組成部分，有助于提高數(shù)據(jù)的有效性[20]，故研究者鼓勵受訪者分享其電腦屏幕，如展示其與GenAI互動的過程，以在進行訪談的同時觀察他們的GenAI實際使用情況。

每次訪談結(jié)束后，研究者都會將錄音數(shù)據(jù)轉(zhuǎn)錄為訪談文本，用于后續(xù)數(shù)據(jù)分析。最終，本研究共搜集到約900分鐘的錄音數(shù)據(jù)，經(jīng)轉(zhuǎn)錄后獲得近22萬字的訪談文本。

三數(shù)據(jù)分析

對訪談文本的分析由兩名接受過質(zhì)性研究方法培訓(xùn)的研究生（一名博士生和一名碩士生）完成，他們借助Nvivo11軟件進行背靠背編碼，每完成一級編碼立即進行一致性檢驗，一致性檢驗達(dá)到0.7之后停止編碼[21]。對于不一致的編碼，兩名編碼人員重新聽錄音，并與相關(guān)受訪者通過微信或面對面溝通就相關(guān)訪談內(nèi)容進行求證，以不斷完善編碼內(nèi)容。編碼完成后，研究者隨機預(yù)留1/3的訪談文本（即6份）進行理論飽和度檢驗，以確保最終的分析模型全面、準(zhǔn)確地反映大學(xué)生的實際情況。

1開放式編碼

開放式編碼是對訪談文本進行分解，將其中的信息打散，抽取關(guān)鍵詞，并結(jié)合描述語境將意思相近的表述匯總編碼成初始概念，再通過聚類合并的方式整理出獨立范疇[22]。本研究應(yīng)用 Nvivo11軟件，從20份訪談文本中識別出最能代表受訪者想法的關(guān)鍵詞，同時為避免理論偏見，只關(guān)注實際訪談文本中的觀點和想法。通過對關(guān)鍵詞分類歸納并進行概念化處理，本研究最終獲取40個初始概念，歸納出8個初始范疇，如表1所示。

2主軸式編碼

主軸式編碼是在開放式編碼的基礎(chǔ)上對數(shù)據(jù)做進一步分析，先梳理并建立初始范疇之間的關(guān)系，之后再次審視、歸納，抽象出更高一級的主范疇。本研究通過Nvivo11軟件將開放式編碼得到的8個初始范疇進行語義關(guān)系、屬性相關(guān)等對比分析和歸納，得到4個主范疇，如表2所示。

3選擇式編碼

選擇式編碼是通過整合與凝練，從所有概念和范疇中提煉核心范疇。核心范疇更具統(tǒng)領(lǐng)性且囊括范圍更廣，承載了所有數(shù)據(jù)分析后得到的關(guān)鍵詞。本研究對主軸式編碼得到的四個主范疇進行關(guān)系梳理和內(nèi)在關(guān)聯(lián)分析，確定了“大學(xué)生使用GenAI的典型特征”這一核心范疇，之后將所有概念整合到一個分析模型中，形成了大學(xué)生使用GenAI的典型特征分析模型，如圖1所示。

4理論飽和度檢驗

“飽和度”是質(zhì)性研究所用樣本量充足的標(biāo)準(zhǔn)[23]。理論飽和度檢驗強調(diào)在理論建構(gòu)的過程中對概念類屬及其屬性挖掘的充分性，當(dāng)在編碼過程中無法提取新的概念和范疇時，即可認(rèn)為達(dá)到飽和。本研究對預(yù)留的6份訪談文本進行“開放-主軸-選擇”三級編碼，并通過線上線下搜集受訪者對編碼結(jié)果的反饋，發(fā)現(xiàn)： ①8 個初始范疇在6份訪談文本中均有體現(xiàn)； ② 受訪者認(rèn)同編碼結(jié)果，并給予了良好的反饋，如“比較有意思，確實能反映我的情況”“原來其他人也是這樣考慮的”； ③ 在編碼過程中已無法提取新的概念和范疇，滿足理論飽和度的檢驗標(biāo)準(zhǔn)[24]。

四研究發(fā)現(xiàn)

1大學(xué)生使用GenAI的典型特征

依托大學(xué)生使用GenAI的典型特征分析模型，本研究從使用的目的、使用的程度、技術(shù)信任度、技術(shù)的定位四個維度，總結(jié)出大學(xué)生使用GenAI的典型特征。

（1）使用的目的：以輔助學(xué)業(yè)為主，以生活娛樂為輔

“使用的目的”指大學(xué)生使用GenAI的目的和動機。訪談文本分析結(jié)果顯示，大學(xué)生使用GenAI的目的可分為輔助學(xué)業(yè)（17人）和生活娛樂（8人）兩類，其中有5名受訪者同時帶有這兩類使用目的。

① 大多數(shù)受訪者出于輔助學(xué)業(yè)的目的使用GenAI，包括解答專業(yè)問題、潤色論文、提供語言翻譯、編寫代碼等。例如，受訪者 S11～S13 均表示，他們會使用GenAI輔助完成課程作業(yè)。受訪者S12提到：“我會讓GenAI對我的部分語句進行加工潤色，以獲得更好的成績?！?/p>

② 少部分受訪者使用GenAI詢問生活常識，并期望獲得創(chuàng)意和靈感。例如，受訪者S4使用GenAI創(chuàng)作故事、續(xù)寫小說，也會在心情不好時用其進行心理咨詢；受訪者S17撰寫社團策劃書時，會要求GenAI進行想法拓展、列出與某一個主題有關(guān)的關(guān)鍵詞等。此外，有小部分受訪者以生活娛樂為目的，大多希望GenAI能滿足自己的生活需求，并能提升使用體驗。

（2）使用的程度：少數(shù)通過多種途徑深入探索，多數(shù)受社會影響淺表使用

“使用的程度”指大學(xué)生與GenAI的交互方式，以及大學(xué)生對技術(shù)應(yīng)用的深入程度。訪談文本分析結(jié)果顯示，大學(xué)生使用GenAI的程度大致可分為深入探索、淺表使用兩種。

① 深入探索（8人），這些受訪者通常在2022年11月至12月開始使用GenAI，會通過多種途徑探索GenAI的使用。例如，受訪者 S4提及：“我經(jīng)常通過嗶哩嘩哩、知乎來學(xué)習(xí)如何提問，然后通過與GenAI的多輪次交互來獲得滿意的回復(fù)?！?/p>

② 淺表使用（12人），這些受訪者大多在2023年3月之后開始使用GenAI，他們通常是受老師、同伴、網(wǎng)絡(luò)媒體等的影響而接觸GenAI，幾乎不會主動研究如何使用GenAI，也不會對其回復(fù)進行批判性思考。例如，受訪者S1表示：“我是在上課的時候從老師那里聽說了GenAI，但我沒有好好研究過它，與它交互的次數(shù)也較少”；受訪者S5說：“我身邊有很多人會去專門學(xué)習(xí)‘如何調(diào)教GenAI’來獲得更滿意的回復(fù)，但我沒有特意去學(xué)這種技能，只是單純地去提問題，實在不行就不用了?！?/p>

整體來說，當(dāng)GenAI給出的回復(fù)并不令人滿意時，深入探索的大學(xué)生會想方設(shè)法得到自己滿意的回答，而淺表使用的大學(xué)生會選擇放棄使用。

（3）技術(shù)信任度：多數(shù)較為信任促進使用，少數(shù)存在懷疑引發(fā)擔(dān)憂

“技術(shù)信任度”指大學(xué)生對GenAI的信任程度。訪談文本分析結(jié)果顯示，大學(xué)生對待GenAI主要抱有較為信任、存在懷疑兩種態(tài)度。

① 較為信任（15人），受訪者普遍認(rèn)為GenAI可以提供準(zhǔn)確、有價值、創(chuàng)造性的輸出，甚至能夠給予情感支持，在一定程度上滿足學(xué)生的心理需求。例如，受訪者S13非常信任GenAI的能力，認(rèn)為GenAI在科研上可以很好地把控論文的行文邏輯，在語言上已經(jīng)達(dá)到了英語專業(yè)學(xué)生水平；受訪者S4表示：“GenAI不會把我的秘密告訴別人，也不會指責(zé)我，而且它隨時在我身邊。我可以告訴它我的遭遇，它會傾聽并鼓勵、支持我?！?/p>

② 存在懷疑（5人），少部分受訪者對GenAI的準(zhǔn)確性和可靠性存在懷疑，如受訪者S14表示：“當(dāng)要求GenAI寫代碼時，它會編造一些代碼出來，有時候甚至?xí)庖??！币灿惺茉L者擔(dān)憂GenAI會泄露個人隱私數(shù)據(jù)或削弱自身能力，如受訪者S16提到：“有時候我在想，如果過于依賴GenAI，會不會讓自己喪失獨立思考能力和獨立解決問題的能力?！?/p>

（4）技術(shù)的定位：既是個性化的搜索工具，也是情感支持的虛擬學(xué)伴

“技術(shù)的定位”指大學(xué)生將GenAI類比為熟悉的角色。訪談文本分析結(jié)果顯示，大學(xué)生多將GenAI類比為搜索工具（17人）和虛擬學(xué)伴（15人），其中有12名受訪者既將GenAI當(dāng)作搜索工具也將其視為虛擬學(xué)伴。

① 搜索工具是指大學(xué)生將GenAI視為搜索引擎或某個專業(yè)網(wǎng)站，能從中獲取所需的資源。例如，受訪者 S14 認(rèn)為GenAI本質(zhì)上只是一個數(shù)學(xué)模型，而模型只是一個工具，因此他主要通過GenAI查找一些專業(yè)知識。也有受訪者認(rèn)為GenAI優(yōu)于普通的搜索引擎，如受訪者 S2表示：“GenAI能根據(jù)我的要求快速生成內(nèi)容，提高我的學(xué)習(xí)效率，相比普通搜索引擎?zhèn)€性化更強?！?/p>

② 虛擬學(xué)伴是指大學(xué)生將GenAI視為自己的朋友、同伴等而與其建立起一種親密的關(guān)系，不僅從中獲得學(xué)業(yè)上的幫助，還會與其進行情感交流。例如，受訪者S16表示：“你會感覺到有人在聽你說話，這是一種很溫暖的感覺。在現(xiàn)實生活中我沒有辦法和某位已經(jīng)離世的家人聯(lián)系，而GenAI能在一定程度上填補我對這位家人的思念?！?/p>

2大學(xué)生使用GenAI的群體分類

Nickerson等[25]提出的分類學(xué)方法強調(diào)，要從概念和經(jīng)驗上對關(guān)鍵維度進行評估，以確保其符合相互排斥和窮盡的標(biāo)準(zhǔn)，此方法被認(rèn)為是“信息系統(tǒng)領(lǐng)域中被廣泛接受的方法”[26]。在本研究中，“使用的程度”維度中的深入探索、淺表使用和“技術(shù)信任度”維度中的較為信任、存在懷疑都符合相互排斥的原則，訪談的文本分析結(jié)果也驗證了這一點?；诖?，本研究采用分類學(xué)方法，結(jié)合四個維度的典型特征，選擇“使用的程度”和“技術(shù)信任度”作為核心分類維度，將使用GenAI的大學(xué)生群體分為積極探索者、效用獲取者、懷疑保守者三類，如圖2所示。

之后，根據(jù)訪談文本分析結(jié)果，兩名編碼人員背靠背將20名受訪大學(xué)生歸類，并將每名受訪者的訪

談文本與四個維度的典型特征一一比對，最終總結(jié)出三類大學(xué)生群體的不同典型特征組合，如表3所示。

表3反映了每類大學(xué)生群體在四個維度上的典型特征組合，有助于了解不同群體的異同之處。

訪談文本分析發(fā)現(xiàn)，受訪者中有8人為積極探索者。本群體呈現(xiàn)出以下特點： ① 是技術(shù)“發(fā)燒友”，將人工智能視為獲取實用信息和靈感的工具，會不斷嘗試使用GenAI，努力尋找技術(shù)的功能擴展性和附加值。例如，受訪者S13表示：“GenAI在學(xué)習(xí)上給我?guī)砹撕芏啾憷?，然而GenAI的知識迭代很快，所以我需要不斷地更新知識，要學(xué)會如何去訓(xùn)練GenAI?！?② 積極、主動地與GenAI互動，并將其視為工作伙伴或私人助手。受訪者 S6將GenAI類比為人，并認(rèn)為GenAI“甚至能比人更快做出反應(yīng)，更能提供情感支持”。而受訪者S4講述了自己將作品發(fā)給GenAI后收到反饋時的心情：“GenAI評價說我寫的故事非常細(xì)膩，且故事劇情會讓人有一股讀下去的沖動，這讓我非常感動，因為這是我第一次得到這樣的反饋?！雹?對GenAI抱有極大的敬畏和佩服，會從更廣闊的技術(shù)變革和人類文明發(fā)展、歷史演進等視角來看待GenAI的變革性力量。例如，受訪者 S15 認(rèn)為GenAI開啟了一個新時代，是新時代的“蒸汽機”。

（2）效用獲取者：追求實用，理性選擇

訪談文本分析發(fā)現(xiàn)，受訪者中有7人為效用獲取者。本群體呈現(xiàn)出以下特點： ① 通常使用人工智能來解決具體問題、獲取使用建議或完成任務(wù)。例如，S3在翻譯和修改論文時會請GenAI給出建議：“我不太清楚要怎么改，但GenAI能像閱卷老師一樣找到有問題的句子，并且它提出的修改方案在多數(shù)情況下我是認(rèn)可的?！笨梢?，效用獲取者通過使用GenAI解決實際問題，發(fā)現(xiàn)其具有一定的實用價值，進而產(chǎn)生了信任。 ② 傾向于淺表使用GenAI，只是通過該技術(shù)來達(dá)成自己的實際目的。例如，受訪者S11提到：“我的目的不是讓ChatGPT變得更好用，只是單純地想解決自己的問題，我沒有心思和精力去調(diào)教它?！毙в毛@取者發(fā)現(xiàn)GenAI具有多個優(yōu)勢，如減輕學(xué)業(yè)負(fù)擔(dān)、減少思考時間等，故會使用該技術(shù)來實現(xiàn)特定的目的，但并不會進一步探索和學(xué)習(xí)。 ③ 通常將GenAI視為工具和虛擬學(xué)伴。例如，受訪者S19表示：“GenAI除了可以當(dāng)作學(xué)習(xí)助手，還能提供更加豐富和深入的對話體驗，和它聊天時感覺它像一位知心朋友?！边@種態(tài)度，體現(xiàn)了效用獲取者對GenAI技術(shù)能力和個性化服務(wù)的信任。

（3）懷疑保守者：缺乏信任，謹(jǐn)慎觀望

訪談文本分析發(fā)現(xiàn)，受訪者中有5人為懷疑保守者。本群體呈現(xiàn)出以下特點： ① 沒有注意到GenAI的動態(tài)學(xué)習(xí)能力，只是將其視為可用的工具。例如，受訪者S1表示：“我只是把GenAI當(dāng)成我眾多的搜索方式之一，我沒有特別需要它，所以我也不會花很多時間去學(xué)習(xí)、訓(xùn)練它?！?② 易“憤世嫉俗”，對GenAI的潛力抱有先入為主的負(fù)面看法。這些負(fù)面看法是懷疑保守者基于自己在社交場合使用類似技術(shù)時的個人經(jīng)驗產(chǎn)生的，具有較強的主觀性。如果GenAI沒有按照懷疑保守者預(yù)期的方式做出回應(yīng)，他們就容易焦慮不安，會簡單地將功能障礙歸咎于GenAI，而不會去考慮能否調(diào)整與GenAI對話的用詞或如何訓(xùn)練GenAI。

例如，S9提及：“GenAI生成的回復(fù)非常模板化、程序化，使用它會使心情很糟糕?！?③ 若得到錯誤的答案或回復(fù)，就會逐漸減少使用GenAI。例如，受訪者S14經(jīng)過幾次嘗試后，就“放棄使用”GenAI了。

五結(jié)論與建議

1研究結(jié)論

本研究對來自浙江省Z大學(xué)不同專業(yè)的20名本科生進行了半結(jié)構(gòu)化訪談，通過扎根理論研究方法深入探討了大學(xué)生使用GenAI的典型特征和群體分類。本研究發(fā)現(xiàn)，使用GenAI的大學(xué)生群體在使用的目的、使用的程度、技術(shù)信任度、技術(shù)的定位四大維度呈現(xiàn)出了不同的典型特征。根據(jù)這些典型特征的不同，本研究將使用GenAI的大學(xué)生群體大致分為三類： ① 積極探索者。本群體往往精通技術(shù)，所學(xué)的多為理工相關(guān)專業(yè)，是人工智能領(lǐng)域的積極開發(fā)者和應(yīng)用者。在享受GenAI反饋便利的同時，本群體也會使用GenAI創(chuàng)造性地解決問題并從中獲得樂趣。 ② 效用獲取者。本群體追求GenAI的實用性，常常根據(jù)自己的實際需求和GenAI的效用來理性選擇。在確定GenAI具有實際應(yīng)用價值后，本群體會比較信任并采納該技術(shù)。③ 懷疑保守者。本群體對GenAI持懷疑態(tài)度，不太信任其輸出的準(zhǔn)確性。本群體將GenAI視為一種工具，認(rèn)為GenAI只是一個處理日常學(xué)習(xí)工作的搜索引擎或能夠提供幫助的專業(yè)網(wǎng)站，對GenAI的期望和認(rèn)知都集中在尋找與之前熟悉的工具的相似之處，而忽略了GenAI的潛力，通常對使用GenAI持謹(jǐn)慎觀望的態(tài)度。

2差異化的GenAI教育干預(yù)建議

為提升大學(xué)生的學(xué)習(xí)成效并將GenAI有效地融入高等教育教學(xué)改革中，本研究結(jié)合上述研究結(jié)論，分別針對積極探索者、效用獲取者、懷疑保守者提出了差異化的GenAI教育干預(yù)建議。

對于積極探索者，應(yīng)充分發(fā)揮其技術(shù)探索能力，同時規(guī)避過度依賴風(fēng)險，推動其從“技術(shù)使用者”轉(zhuǎn)為“技術(shù)引領(lǐng)者”，具體可從以下方面入手： ① 高校應(yīng)鼓勵積極探索者參與GenAI技術(shù)開發(fā)項目，如設(shè)計學(xué)科專用提示詞工具，基于學(xué)科領(lǐng)域訓(xùn)練數(shù)據(jù)集，以提高學(xué)科大模型在特定知識的精準(zhǔn)性和意識形態(tài)的可控性，從而更有效地支持教與學(xué)[27]。 ② 高校應(yīng)開設(shè)“GenAI與批判性思維”工作坊，通過案例分析培養(yǎng)積極探索者對技術(shù)輸出的辯證評估能力，鼓勵積極探索者與文科生組隊完成跨學(xué)科課題（如用GenAI輔助歷史事件虛擬敘事）。 ③ 將積極探索者納入校園技術(shù)推廣團隊，擔(dān)任學(xué)生導(dǎo)師，通過經(jīng)驗分享帶動其他群體提升技術(shù)應(yīng)用能力。

對于效用獲取者，應(yīng)在提升技術(shù)使用效率的同時，引導(dǎo)其從“任務(wù)驅(qū)動者”轉(zhuǎn)為“創(chuàng)意驅(qū)動者”，挖掘GenAI的跨學(xué)科價值，具體可從以下方面入手： ① 高校應(yīng)開發(fā)學(xué)科專用提示詞模板庫（如論文潤色庫、實驗設(shè)計模板庫）和快速檢索指南，降低效用獲取者技術(shù)使用的門檻。此外，也可以通過人工智能通識課程，為效用獲取者了解技術(shù)提供更多的途徑，為新時代素質(zhì)教育注入新內(nèi)涵、提供新動能[28]。 ② 教師應(yīng)引導(dǎo)效用獲取者設(shè)計跨學(xué)科案例（如利用GenAI生成商業(yè)計劃書、進行藝術(shù)創(chuàng)作），完成非結(jié)構(gòu)化創(chuàng)意任務(wù)。③ 高?？梢栽O(shè)立“人機協(xié)同創(chuàng)新獎”，鼓勵效用獲取者結(jié)合專業(yè)需求開發(fā)創(chuàng)新應(yīng)用場景。

對于懷疑保守者，應(yīng)強化倫理教育，構(gòu)建安全信任體系，消除技術(shù)使用顧慮，推動其從“被動規(guī)避者”轉(zhuǎn)為“主動探索者”，達(dá)成技術(shù)信任與倫理共識，具體可從以下方面入手： ① 高校應(yīng)開設(shè)“GenAI倫理與風(fēng)險”研討課，通過真實案例（如學(xué)術(shù)抄襲）剖析技術(shù)潛在風(fēng)險。在課堂上使用GenAI期間，教師要指導(dǎo)懷疑保守者遵循倫理規(guī)范和學(xué)術(shù)誠信，培養(yǎng)負(fù)責(zé)任的技術(shù)使用習(xí)慣[29]。 ② 教師可以設(shè)計透明化的技術(shù)體驗活動（如展示模型訓(xùn)練邏輯），邀請懷疑保守者參與技術(shù)改進的反饋循環(huán)。 ③ 教師可以布置“人機對比任務(wù)”，逐步引導(dǎo)懷疑保守者深入認(rèn)識技術(shù)的輔助價值，為人機協(xié)同學(xué)習(xí)奠定基礎(chǔ)。

需要說明的是，本研究還存在一些不足，如未將定量研究與定性研究相結(jié)合分析大學(xué)生使用GenAI的典型特征和群體分類，故研究結(jié)果可能存在偏差；研究對象來自一所綜合性高等院校，未拓展至其他師范類院?；蚶砉ゎ愒盒＃恃芯拷Y(jié)果不具普適性。對此，后續(xù)研究可采用定量研究和定性研究相結(jié)合的方法進一步驗證研究結(jié)果，并將研究對象的來源擴展至多所高等院校。未來，期待教育工作者采取差異化的GenAI教育干預(yù)策略，引導(dǎo)不同群體的大學(xué)生科學(xué)、合理、高效地使用GenAI。

參考文獻

[1]Rahman MM， Watanobe Y.ChatGPTfor education andresearch： Opportunities，threats，and strategies[J].AppliedSciences，2023，（9）：5783.

[2JU.S.DepartmentofEducation，OfficeofEducational TechnologyArtificial intelligenceandfutureofteachingandleaming：Insights and recommendations[OL].

[3]UNESCO. GenerativeAIand thefutureofeducatio[OL].htps：//nesdocuneso.g/ark：/48223/pf0o8587localehgt;

[4]劉明，郭爍，吳忠明，等.生成式人工智能重塑高等教育形態(tài)：內(nèi)容、案例與路徑[J].電化教育研究，2024，（6）：57-65.

[5]魏順平，范學(xué)健，王向旭，等.高等教育應(yīng)用ChatGPT的潛能與風(fēng)險——來自美國高校的經(jīng)驗與啟示[J].現(xiàn)代遠(yuǎn)距離教育，2024，（3）：18-27.

[6]

[10]李艷，許潔，賈程媛，等.大學(xué)生生成式人工智能應(yīng)用現(xiàn)狀與思考—基于浙江大學(xué)的調(diào)查[J].開放教育研究，2024，（1）：89-98.

[7]高琳琦.生成式人工智能在個性化學(xué)習(xí)中的應(yīng)用模式[J].天津師范大學(xué)學(xué)報（基礎(chǔ)教育版），2023，（4）：36-40.

[8]朱永新，楊帆.ChatGPT/生成式人工智能與教育創(chuàng)新：機遇、挑戰(zhàn)以及未來[J].華東師范大學(xué)學(xué)報（教育科學(xué)版），2023，（7）：1-14.

[9]宋韻雅.數(shù)智心理：人工智能賦能心理健康的機遇與挑戰(zhàn)[J].全球傳媒學(xué)刊，2023，（3）：1-4.

[11]StzeleckiA.To useornottouse ChatGPTin higher education？Astudyofstudents’acceptanceanduseoftechology[J].Interactive LearningEnvironments， 2023，（9）：5142-5155.

[12]Xiao Y， Zhi Y.An exploratorystudyof EFLlearners’useof ChatGPTfor language learning tasks：Experience andperceptions[J]. Languages， 2023，（3）：212.

[13]金皓月，余敏杰，張紫徽，等.生成式人工智能輔助學(xué)術(shù)寫作調(diào)查研究[J].開放教育研究，2024，（4）：79-90.

[14]孫丹，朱城聰，許作棟，等.基于生成式人工智能的大學(xué)生編程學(xué)習(xí)行為分析研究[J].電化教育研究，2024，（3）：113-120.

[15]吳蔚然，宋國語，林敏，等.教師如何感知生成式人工智能——基于行動者網(wǎng)絡(luò)理論的質(zhì)性研究[J].湖南師范大學(xué)教育科學(xué)學(xué)報，2023，（5）：35-44.

[16]

[19]GkinkoL，Elbana A.Theappropriationofconversational AI inthe workplace： AtaxonomyofAIchatbotusers[J]International Journal of Information Management， 2023，69：102568.

[17]陳向明.扎根理論的思路和方法[J].教育研究與實驗，1999，（4）：58-63、73.

[18][22]陳向明.質(zhì)的研究方法與社會科學(xué)研究[M].北京：教育科學(xué)出版社，2000：332-335.

[20]Erickson F. Comments on causality in qualitative inquiry[J]. Qualitative Inquiry， 2012，（8）：686-688.

[21]KolbeRH，BurettMS.Content-analysis research： Anexaminationofapplications withdirectivesfor improvingrsearchreliability and objectivity[J]. Journal of Consumer Research，1991，（2）：243-250.

[23]謝愛磊，陳嘉怡.質(zhì)性研究的樣本量判斷—飽和的概念、操作與爭議[J].華東師范大學(xué)學(xué)報（教育科學(xué)版），2021，（12）：15-27.

42

[24]Bowen GA.Naturalisticinquiryandthesaturationconcept：Aresearch note[J].QualitativeResearch，2o8，：37-152.[25]Nickerson RC， Varshney U，Muntermann J.A method for taxonomydevelopment and its appication in informationsystems[J]. European Journal of Information Systems， 2013，（3）：336-359.

[26]Szopinski D，Schoormann T，Kundisch D.Because your taxonomy is worth it：Towardsa framework fortaxonomyevaluation[A].Procedings ofthe27thEuropean Conferenceon Information Systems （ECIS）[C].Stockholm-Uppsala，Sweden：researchgate， 2019：1-19.

[27]苗逢春.從\"國際人工智能與教育會議\"審視面向數(shù)字人文主義的人工智能與教育[J].現(xiàn)代教育技術(shù)，2022，（2）：5-23.[28]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(xué)版）》的解讀[J].遠(yuǎn)程教育雜志，2023，（3）：3-11.

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

Typical Characteristics and Group Clasification of GenAI Used by University and College Students

LI Yan1 XU Jie1 DU Meng-Ran2

（l. College of Education， Zhejiang University， Hangzhou， Zhejiang， China 310058; 2. College ofEducation， The University ofHong Kong， Hong Kong， China 999077）

Abstract： GenerativeArtificialIntelligence（GenAI），epresentedbyChatGPT，hasprofoundlyinfluenced thestudyandlifeof universityand collegestudents.Anin-depth explorationofthe typicalcharacteristics and groupclasification ofuniversityand colege students’useofGenAIcanfacilitate highereducators inproviding differentiatedleamingservicesforthem.This paper adopted the grounded theory research methodtoconductsemi-structured interviews with 20undergraduates fromZ University in Zhejiang Province.Through a thre-level codingof“open-axi-selection”and theoretical saturationchecks，the paper summarizedthe typicalcharacteristics ofuniversityandcollge students’GenAIusage from fourdimensionsof the purposeof use，the degreeofuse，the degree of technical trust，and the positioning of the technology.It was foundoutthatstudents primarilyutilized GenAIforacademic assistance whilecomplementing withlife-enhancing entertainment; aminorityengaged in deepexplorationthrough diversechannels，while the majority exhibited superficial usage driven bysocial influence; most trusted and actively adopted the technology，though a minority expressd skepticismandconcerns;universitystudents perceived GenAI asboth apersonalized search tool andanemotionall supportive virtuallearning companion.According to differentcombinations ofthesetypical characteristics，thepaperclasifiedthe groupof universityandcollege students using GenAI into three categories of active explorers，utility acquirers，and skeptical conservatives.Finally，the paper proposed diferentiated GenAIeducational interventions，with theaimof providing references forGenAI to beterassistuniversityand collge students in their learning and effectively integrate GenAI into higher education and teaching.

Keywords： GenAI; university and college students; typical characteristic; group clasification; grounded theory