AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

面向学生的 AI 使用框架

创建 2026-08-19 · 更新 2026-10-09

本页是英文页面的机器翻译，尚未经母语者审校。

面向学生的 AI 使用框架（framing AI use for students） —— 塑造学习者如何理解 AI 工具与政策的价值、目的与边界的说服性与沟通性技艺，使他们采纳有成效的、合乎伦理的使用，而非拒绝、回避或钻空子。它是 减少 AI 滥用 的教育性干预所依赖的"认同"杠杆：结构性 护栏改变环境，但 脚手架、素养培训与 AI 使用政策只有在学生真正被其意义说服时才起作用。

值得思考的问题

  • 仅仅是向学生提供 AI，与无效甚至不合伦理的使用相关联，而明确地框定并嵌入恰当使用则改善了结果。如果工具的存在不如其框定方式重要，这对强调简单地"给学生 AI"意味着什么？
  • 学生对 机构 AI 规则的认识，与他们实际所做的行为只有弱关联——大多数人使用生成式 AI，许多人不确定自己的使用是否合规，且他们依赖私下获取的工具。为什么规则未能改变行为，除了单纯告知还有什么可能说服人？
  • 当机构以恐惧与谴责回应 AI 时，学生可能隐藏或合理化其使用，而非学会用好它。你见过"道德恐慌"式的回应把学生推入隐秘吗？一个被重新框定的、机会导向的做法会是什么样子？
  • 对 AI 的焦虑不纯粹是障碍：担忧准确性与抄袭的学生更可能核验并修订 AI 产出，而非不加批判地接受。如何把有成效的焦虑导入评价性胜任力，而非被压抑？
  • 学生通过"场所"（sites）——教师意图、课程文件、同伴规范与机构信息——建构自己对何为可接受的理解，而这些常常分歧。当这些信息冲突时，你认为哪一个真正胜出，框架如何弥合这一缺口？

引言

这个概念位于两个更熟悉的概念之间。技术接受模型从感知有用性与易用性预测采纳，而框架是塑造这些感知的主动实践。而 学生体验描述学生当前如何感知 AI，框架则是刻意地改变那种体验。它是 教育政策 AI 的沟通侧伙伴：政策的效力仅止于学生愿意认同它的程度。

为何框架重要

框架之所以重要，是因为政策与规则本身并不能可靠地改变行为。对 监管认知的研究发现，学生对机构 GenAI 规则的认识与其实际行为仅有弱至中度的关联——大多数学生使用 生成式 AI工具，超过半数不确定其使用是否符合机构规定，且他们依赖私下获取的工具而非机构提供的工具。(Knowing the Rules Is Not Enough: Student Regulatory Awareness and Use of GenAI in Higher Education) 知道规则是必要的，但不充分；信息必须说服，而不仅是告知。

框架也塑造学生把 AI 体验为要回避或规避的威胁还是可刻意使用的资源。当机构以恐惧与谴责回应 AI——一条研究工作线称之为反复出现的"道德恐慌"——他们把学生推入隐藏或合理化其使用，而非学会用好它。(Navigating the moral panic: encouraging appropriate use of GenAI in the classroom rather than condemning innovation as disruption) 把焦虑与谴责重新框定为结构化的机会，改变了学生与 AI 之间 参与的整个动态。

策略与证据

把 AI 框定为生产性工具，而非要被禁止的威胁

知识库中受到最直接检验的框架干预，是一项追踪一门数据 可视化课程、跨越三种条件的六年自然实验：生成式 AI 之前、GenAI 可得（在场但未整合）、GenAI 整合（显式教学 + 鼓励在应用性工作中使用 AI，仅在知识检查部分禁用）。发现：仅仅是使 AI 可得，与学生无效或不道德地使用它相关联，而显式地框定并嵌入其恰当使用，在应用题上恢复并改善了结果。(Navigating the moral panic: encouraging appropriate use of GenAI in the classroom rather than condemning innovation as disruption) 教训是，框架（AI 如何被定位与教授）与工具的存在同样重要——鼓励恰当使用胜过谴责或无视。

清晰并反复地传达期望——并围绕学生设计

因为仅靠规则认知并不能改变行为，有效的框架把清晰的期望与结构性强化配对。学生通过一项访谈研究所称的 AI 政策被解读的"场所"建构自己对何为可接受的理解——教师意图、课程文件、同伴规范与机构信息常常分歧，产生诸如"复制 AI 文字是无受害者的"之类的合理化。(It's OK Because...": The Wild West of Student Rationalization of AI Use in Academic Writing) 框架因此必须弥合教师意图与学生推断之间的缺口，并承认社会与情感情境——羞耻与内疚调节学生何时以及如何使 AI 使用可见，驱动隐藏行为与选择性披露，而非诚实的参与。(Stuck in a Spiral": Shame and Guilt as Social Regulators of AI Use in Computing Education)

说为什么，不只是说什么

知识库中最直接的框架杠杆，是逐任务提供边界背后的理由，其写法如同对学生讲话（"你将……""我们将……"）。McCorkle（2025）的设计案例记录了机制：在办公时间对话揭示读过禁令的学生并不相信它适用于自己之后，她重建了政策，使每一项允许或不允许的 GenAI 使用都由其所保护的特定 评估来辩护——例如，GenAI 帮助完成学习目标是不允许的，因为"我正在评估你撰写具体、可测且程度恰当的学习目标的能力"——并在教学大纲与作业说明中的即时提醒两处传达该理由。以理由框定是一项 公平性举措，其说服性不遑多让：它假设更少的关于作者身份、原创性与归属的共同背景知识，并把政策变成对话而非裁决（学术诚信）。

把焦虑与不确定性重新框定为评价性胜任力

一项对学术 写作的 混合方法研究发现，AI 焦虑不只是一项障碍：担忧准确性与抄袭的学生更可能核验、交叉检查并修订 AI 产出，而非不加批判地接受。该研究把 AI 素养框定为更少是接受、更多是监管胜任力——质疑产出、选择性修订并维持作者责任的能力。(From AI Anxiety to Strategic Regulation: How University Students Transform Generative AI into a Strategic Learning Resource) 面向学生的 AI 使用框架意味着把有成效的焦虑导入评价，而非压抑它。

用有针对性的信息塑造特定行为

小型、设计良好的信息可以改变行为。一则关于 ChatGPT 易错性的**接种信息（inoculation message）**提高了学生核验 AI 提供信息的意图及其实际核验行为。(Student engagement with ChatGPT for educational tasks: Effects of inoculation training on verification intentions and behavior) 同样，仅仅警告学生 AI 的易错性，就提高了 求助行为在 智能导师系统中的出现——一种校准的谨慎框架，而非一概的怀疑。(Warning About AI Fallibility Increases Help-Seeking in an Intelligent Tutoring System) 这些指向一个一般原则：诚实地框定工具的局限，学生便会相应地校准行为，而非要么过度信任要么拒绝。

确保认同与采用，而不仅是可及性

框架在采用的上游。对 AI 辅导的现场实验发现，约束性条件不是能力而是参与：尽管有专门的时段，近半数学生从未使用该平台，用户平均每周仅 2–5 分钟——直到一项低成本的人工支持干预（一次简短的面谈式导入）改善了采用。(Access is Not Enough: Human Support Improves Engagement with AI Tutoring) 让学生认同工具的价值与目的，是任何学习收益的前提；框架包括推销那种价值，而不仅是消除可及性障碍。

框架与动机

框架经由 自我决定理论与 动机相连：一个工具或政策如何被呈现，决定学生把 AI 使用体验为自主而有目的的，还是被控制与被强加的。学生与 GenAI 的参与受该工具是否支持其胜任感、自主性与归属感而塑造——这既是一个框架问题，也是一个特性问题。(Students' engagement with generative AI in academic learning: A self-determination theory and epistemic network analysis study) 当 AI 的可得性侵蚀了努力的可感意义——"为什么要投入这么多努力？"——框架必须为那种努力重建一个目的，把 AI 使用与持久学习而非任务完成联系起来。(Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming)

媒体与公共框架

学生也受围绕 教育中 AI的更广泛媒体与公共话语的框定，这在任何教师信息之前就塑造了他们的基线期望。对公共话语以及 YouTube 等平台如何框定教育中 ChatGPT 使用的分析显示，主流框架——炒作、末日或务实——影响学习者与 教育者如何对待该技术。(How YouTube Frames ChatGPT Use in Education: An Epistemic Network Analysis with Supporting Multimodal Metadata)(A Longitudinal Analysis of Public Discourse on AI Ethics in Education Using Twitter Data) 教师的有效框架往往意味着刻意地反制或重新引导这些环境叙事。

实践指引

  • 把 AI 定位为生产性资源，显式地教授何时与如何使用它，而非禁止或无视——整合式框架胜过谴责与放任两者。
  • 从每个"场所"反复传达期望 —— 教学大纲、作业提示、反馈与同伴规范应讲述一致的故事，使学生不去发明自己的合理化。
  • 把焦虑导入评价。 把对准确性的不确定性框定为核验与修订的理由，而非回避或作弊的理由。
  • 使用诚实的、有针对性的信息（如接种信息与易错性警告），建立校准的谨慎，而非一概的信任或不信任。
  • 把工具按学习阶段排序。 那份 30 位专家共识报告的核心实践主张是一个顺序：先不用 GenAI 获取想法，再用它强化与巩固已学内容，然后在新情境中应用这些想法时优先自己的思考（Kendeou、Greene 与 Nixon 等，2026）。它对学生的建议更直白：短期表现增益会绕过长期成功所需的学习。
  • 推销目的。 把 AI 使用与持久学习和学习者 能动性联系起来，并把信息与把意图转化为采用的支持配对。

关联概念

关联文章

相关常见问题

元数据

层次Higher Ed, K 12
目标读者Learners
学习与教学协作学习, 动机
机构与政策教育人工智能政策, AI 治理
教育中的人工智能基础学术诚信, AI 素养
SourceHistoryEditChat

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。