学生AI编程中揭示认知素养缺失

构造认识论AI素养：检测学生与AI共同编程中的认识论目标与过程

背景

生成式人工智能（GenAI）正深刻改变教育环境，尤其是在计算机科学编程领域。学生在应用GenAI时，必须构建查询、评估验证AI生成的输出，并调控问题解决策略。这些活动要求学生进行深入的认识论思考（epistemic thinking），即对知识来源、可靠性和自身认知状态的理解与管理。现有AI素养研究多聚焦于技术操作（如理解、使用和评估AI），但忽视了AI素养作为动态人类-AI互动中出现的认识论现象。Epistemic AI Literacy（EAIL）框架正是为这一认识论维度提供全新视角，将AI素养重构为过程导向的认识论现象，强调在不同领域通过人机交互构建的素养。

研究引入AIR（epistemic aims, ideals and reliable epistemic processes）框架，分析GenAI支持的共同编程活动中的认识论目标（epistemic aims）和认识论过程（epistemic processes）。通过大型人类-AI共同编程对话数据集，识别可观察的认识论目标维度（以掌握导向为主）和认识论过程维度（包括外包、解释寻求、验证寻求、提示监控和认识论辩护）。结果显示，学生在GenAI支持下的共同编程活动中普遍缺乏EAIL：78.8%的交互依赖非掌握导向的目标和较不可靠的认识论策略（如外包和验证寻求）。仅有11.1%的交互表现出高认识论参与度，其中掌握导向的目标与高级认识论策略（如认识论辩护）结合，形成更可靠的过程。

核心内容

Epistemic thinking在学生应用GenAI学习过程中占据核心地位。特别是在编程上下文中，学习者需通过生成查询来引导GenAI、评估并验证AI生成的代码输出，并调控整个问题解决策略。这些活动本质上是认识论层面的，因为学生必须判断AI输出的可靠性、来源的正当性，并决定如何整合AI输出以构建自身知识。

本研究提出Epistemic AI Literacy（EAIL）的概念框架，将AI素养重新定义为一种过程导向的认识论现象。它并非静态的知识储备，而是通过不同领域的动态人机交互自然涌现的素养。研究明确指出，EAIL框架以AIR框架为基础：AIR包括认识论目标（epistemic aims and value）、认识论理想（epistemic ideals）和可靠认识论过程（reliable epistemic processes）。这些组件相互交织：目标指导理想的评价，可靠过程则帮助实现目标。

研究聚焦于GenAI支持的共同编程活动，探讨如何在这些活动中体现认识论目标和认识论过程。核心是使用大型人类-AI共同编程对话数据集，识别可观察的维度：认识论目标维度主要是掌握导向的目标（mastery-oriented aims）；认识论过程维度包括外包（outsourcing）、解释寻求（explanation seeking）、验证寻求（verification seeking）、提示监控（prompt monitoring）和认识论辩护（epistemic justification）。

分析结果显示，学生互动中存在严重缺乏EAIL的现象。78.8%的学生-GenAI交互依赖非掌握导向的目标，且采用诸如外包和验证寻求等较不可靠的认识论策略。这些策略往往表现为将问题解决完全委托给AI，或简单地寻求AI解释，而缺乏对自身认知责任的深层管理。相比之下，仅有11.1%的交互展现出高认识论参与度。在此类交互中，掌握导向的目标与高级认识论策略（如认识论辩护）相结合，形成了更可靠的认识论过程。这表明，只有少数学生能够将AI作为认知工具，主动构建并验证自身知识体系，而多数学生则在AI生成的输出面前处于被动或依赖状态。

关键要点

• EAIL框架将AI素养重构为过程导向的认识论现象，源于动态人机交互。
• AIR框架（认识论目标、理想、可靠过程）用于分析GenAI支持的共同编程活动。
• 可观察的认识论目标维度：掌握导向的目标（mastery-oriented aims）。
• 可观察的认识论过程维度：外包、解释寻求、验证寻求、提示监控、认识论辩护。
• 78.8%的交互依赖非掌握导向目标和较不可靠策略（如外包、验证寻求）。
• 仅11.1%的交互表现出高认识论参与度：掌握导向目标结合高级策略（如认识论辩护），形成可靠过程。

意义与影响

本研究为认识论AI素养提供了可操作的检测方法，通过分析学生-AI共同编程对话数据，揭示了大量互动中存在的认识论缺陷。它强调在编程教育中培养EAIL的重要性，帮助学生从被动依赖AI生成输出转向主动、可靠的知识构建。框架可扩展至其他领域，指导设计支持互动数据分析的AI素养评估工具，并推动教育实践中实时干预（如提示学生进行验证和辩护）。长远而言，这有助于构建更负责任的AI素养生态，减少学生对GenAI的盲目信任，提升整体编程与学习质量。研究结果为AI教育研究和政策提供了实证基础，推动AI素养从技术层面向认识论深度拓展。