概念
社会科学教育
本页是英文页面的机器翻译,尚未经母语者审校。
社会科学教育 —— 教授那些研究人的集合的学科:政治与公民、经济与管理、社会学、地理与环境研究。AI 进入这些领域是双重的:既是改变学生所学方法的工具,也是研究的对象,因为算法系统如今治理着这些学科所描述的机构。该集群位于 学科中的 AI 之下,与人文教育和STEM 教育并列。覆盖稀薄且不均衡:商业与管理拥有最多的文献,公民教育有来源但几乎没有经过测量的学习结果,而环境教育则在"AI 作为教学辅助"与"AI 作为成本"之间被分割。
值得思考的问题
- 当模型能写出文献综述、调查工具与市场分析时,这门课实际评估的是方法的哪一部分?
- 如果一个被要求写公民课教案的模型十次中有九次默认落在识记层面,这揭示了它被训练去满足的是什么样的标准?
- 商业教育拥有所有社会科学中最大的 AI 文献,却在评估上最少共识。一个教授战略的领域,为何在修订评分标准上进展缓慢?
- 环境教育必须同时把 AI 教作工具和教作能源成本。一门课能同时容纳两者,而不把后者变成一段伦理附注吗?
引言
社会科学研究人的集合:机构如何分配权力、市场如何配置商品、公众如何形成意见、社会如何使用土地与能源。它们的方法是调查、模型、比较与案例,而其标志性的评估要求学生就一个他们无法直接观察的社会世界提出主张。
正是这个对象使该集群区别于它的邻域。人文教育解释文本与人工制品;社会科学解释人群与机制,而这一差异体现在学生被要求为什么辩护。STEM 教育共享定量方法,但对象不同:物理结果可以对照自然检验,关于投票行为的主张只能对照一个样本检验。
该集群内部的差异很大,文献也随之分化。管理与商业教育有十年关于课程、评估与采用的已发表研究。公民与政治教育有描述 AI 可能如何削弱民主胜任力的来源,却没有任何一项经过测量的公民学习结果。环境教育承担着双重主题,因为被教授的技术本身就是一个环境行为者。这些分支各自有专页——商业教育、公民与政治教育、环境教育——而它们的共同之处正是本集群的论点。
AI 如何在这个集群中显现
- 在公民教育中,作为课程的生成者。 一项对 310 份 AI 生成教案、对照 53 条公民课标准的分析发现,90% 指向低阶目标,94% 不含多元文化内容(Civic education in the age of AI: Should we trust AI-generated lesson plans)。失败之处不是事实错误,而是一种默认的教学法:模型复现了它所获得标准的最浅层读法。
- 在公民教育中,作为研究对象。 Nkalanga(2026)把南非的算法边界治理解读为一个公民素养问题,并由此推导出五项要求,说明公民需要理解自动化国家决策的什么。
- 在管理中,作为一个课程问题。 Csaszar 等(2026)通过基于价值的战略视角分析 AI 如何改变管理教育的目的,追问这项技术替代了哪些活动、补足了哪些活动。Espino 与 Espino(2026)梳理了这一问题之前十年的工作,而 Drummond 与 Dale(2026)构建了一个由学生参与形成的框架,说明商学院应当如何应对。
- 在管理中,作为一个评分问题。 Mesny(2026)把评估设计而非课程大纲视为变革发生之处。对学生营销帖子的自动评分直接测量一致性与误差,这是该集群版本的效度问题:一个与人类评分者一致的分数,未必是一个测量了预期学习的分数。
- 在环境研究中,作为一个双重主题。 Daniel(2026)把服务于可持续性的 AI 与可持续的 AI 区分开来,并发现全球南方的缺口贯穿两者。AIED 中的碳足迹报告综述了 2025 年的披露实践,并为后半部分提供了开源方法;而 AI 辅助的气候探究报告了相对于单纯探究的 d = 0.69,对应前半部分。
测量缺口
该集群最薄弱的证据恰恰是政治后果最大的。公民教育最清楚地说明了 AI 可能损害什么——民主胜任力、共享的事实基础、对机构进行推理的能力——却几乎没有证据表明任何干预改善了它。商业教育提供了最多的研究,也在应当评分什么上最少共识。环境教育为探究提供了效应量,为足迹提供了披露审计,但很少在同一门课中同时提供两者。
诚实的解读是:这个集群对 AI 如何在其课堂中被使用的了解,多于对学生的学习所得的了解。缩小这一缺口所需的研究方法都是寻常的:预注册的比较、非自我报告的结果测量,以及能够经受"处理与评估都由模型撰写"这一质疑的设计。
集群的薄弱之处
心理学:被取样的次数多于被研究的次数。 该学科现在有了自己的页面——心理学教育——因为它承载的课程级证据比集群其余部分的总和还多。以下是集群层面的概述以及该页面存在的原因。大多数心理学证据来自那些把心理学学生当作便利被试招募、而非考察心理学课程的研究。有四项例外考察了课程本身。Richmond 与 Nicholls在一门二年级心理学"媒体作业"中用 ChatGPT 替换了同伴评估,该任务要求把一篇已发表文章改写成媒体发布稿与视频。Préau 及同事在图宾根为心理学本科生的一门为期一学期的 R 编程课部署了"R-Tutor",研究经预注册且为纵向设计。
另有两项研究检验心理学学生知道什么、如何判断。Richter 及同事把 30 条心理健康陈述交给 150 名心理学学生,以及四个大语言模型各 80 次运行。Reed 及同事用六个情境小故事检验 AI 素养是否能预测 531 名本科生在应用情境下的伦理判断。
其余研究关注的是普通意义上的学生。认知心理学、发展心理学、动机与自我效能是关于学习如何运作的页面,而不是关于心理学课如何被教授的页面。在一项模拟的 AI 辅助写作任务中,反馈素养是作文成绩唯一显著的预测因子(β = 0.46,p = 0.017;Summarise, elaborate, try again: exploring the effect of feedback literacy on AI-enhanced essay writing)。
批判性地使用生成式 AI由自我报告与客观测验两种方式测量的知识预测,同时还与认识论取向和智识价值有关。心理学也是受访者的来源。最近一项为期两年的重复研究中,人数最多的单一专业就是心理学,991 名学生中有 300 名,因此该学科为这类调查提供了样本,却不成为其研究对象。
现在记录中又多了三门心理学课程。Baudin让 ChatGPT-4 为一门实验心理学课程撰写 80 道题,并经专家评审与 120 名学生的题目分析检验:信度保持住了,但 73.75% 的题考查识记,只有 8.75% 达到分析或评价层级。Akkurt 及同事把 GPT-4o 用作咨询受训者的来访者,这降低了表现焦虑,但产生了一个过于顺从、缺乏情绪细微差别、且始终保持文化中立的来访者。Armagan-Bogatekin对 286 名心理学学生与心理治疗受训者建模,在六个领域中每一个都发现三到四个类别,这是迄今最强的证据,说明并不存在一个"平均而言"的受训者可供培养。
社会学从三项研究增长到五项。Dixon 与 Buchmann连续两周每天把一份 20 题的社会学测验交给 ChatGPT、DeepSeek 与 Gemini,发现合并 kappa 为 0.91 至 1.00,分歧集中在两道需要应用能力的题上。Malik访谈了 18 名社会学学生,他们描述 ChatGPT 是用于列提纲与澄清理论的思维伙伴,同时担心失去自己的声音。García-Alonso 及同事调查了 216 名西班牙社会科学学生,发现接受过教师培训的学生报告的对工具的信任更低。
社会学:三项研究。 Kuznetsov、Sheely 与 Baker调查了 504 名社会学学生并另外访谈了 12 名。三分之二的人有选择地使用 AI,主要用于追问、总结阅读材料与练习题。81% 曾获得某种指引,而只有 46% 认为它非常清楚。
Wells报告了一个课程案例:一门 3000 级研究方法课程中的 24 名学生,在 18 次支架式工作坊中的 6 次里使用 Copilot,却被禁止用它撰写研究提案。Farazouli 及同事从教学一侧切入,由 24 位来自社会学、哲学、法学与教育学的瑞典教师在评估工作坊中推理 AI 生成的作业。
临床案例真正属于学科内部,并且在此处设计最强。一个用于心理治疗训练的自适应虚拟病人与 20 位临床医生和受训者进行了 1,033 轮对话。自我披露随治疗师的共情与探索而上升。在底层数据中,探索的作用约为共情的 78 倍,而部署的系统却给它三倍的权重,因此据此练习的受训者可能正在优化模拟器所奖励的东西。
地理学只通过环境教育进入这一文献。如果你教授社会学或心理学,上述研究就是现有的全部。证据的形状本身就是发现:社会学只有一项调查、一个课程案例与一项教师研究,心理学有四项课程研究。
对社会科学教师的启示
- 让方法可见,而不是让产品可见。 如果交付物是一份报告,那么课程评估的就是报告写作;把分数移到工具设计、抽样决策或因果主张的可辩护性上。
- 用构念来检验自动评分。 与人类评分者一致是一个信度结果,而不是效度结果,而营销帖子的研究用一页篇幅展示了这个差距。
- 教机构,而不只是教工具。 算法治理如今是公民教育、法学与公共管理所描述的一部分,边界案例是最清楚的例子。
- 在同一框架内同时容纳成本与收益。 一门通过碳密集型工具交付的可持续性课程必须对两半都作出交代,而足迹报告为它提供了一种方法。
常见误解
"社会科学教育中的 AI 主要是一个研究工具问题。" 该集群中测得的最大效应在课程生成与评分上,而不是在研究实践上:公民课分析与营销帖子评分都关乎学生被给予什么、如何被评判。
"公民教育的问题是学生会相信聊天机器人说的话。" 有记录的问题比这更薄弱:AI 生成的公民课材料默认落在识记层面的任务上并完全丢弃多元文化内容,因此风险在于课程在任何学生被误导之前就已经停止教授判断。
"环境教育可以把 AI 的足迹当作一个伦理话题。" 足迹是一个设计参数:延迟、模型规模与托管方式决定它,而报告文献把它当作可测量之事,而非劝诫之词。
关联概念
关联文章
- Civic education in the age of AI: Should we trust AI-generated lesson plans
- Digital borders, algorithmic governance and civic digital literacy: examining the educational implications of AI-driven immigration management in post-apartheid South Africa
- The effects of artificial intelligence on management education
- Mapping the integration of AI into business education: Insights from a decade of research
- Generating a student-informed teaching and learning conceptual framework for GenAI in business schools: a case study
- Innovative assessment and grading practices in higher education: A critical exploration for management educators
- Agreement and error in automated scoring of student marketing posts
- A Scoping Review of AI for Sustainability and Sustainable AI in Higher Education
- The Environmental Cost of LLMs in AIED: Reporting and Practices
- Can AI-Assisted Inquiry Enhance Students' Decision-Making Skills in Socio-Scientific Issues? A Three-Group Experimental Study on Climate Change
- Summarise, elaborate, try again: exploring the effect of feedback literacy on AI-enhanced essay writing
- GenAI knowledge, epistemic orientation, and intellectual values predict undergraduate students' critical GenAI use
- Student Use of and Views on GenAI for Writing
- Exploring the Role of Generative AI as a Research Assistant in Undergraduate Sociology Research Methods
- Navigating uncertainty: university teachers' experiences and perceptions of generative artificial intelligence in teaching and learning
- Using generative AI to promote psychological, feedback, and artificial intelligence literacies in undergraduate psychology
- Student Adoption of an AI Tutor for Statistical Programming: A Longitudinal Study
- Mental Health Literacy Across Psychology Students and Large Language Models
- AI literacy and scenario-based ethical judgment about generative AI among undergraduate students
- The Empirically Grounded Adaptive Virtual Patient for Psychotherapy Training: Disclosure That Responds to Therapist Micro-Skills
- The Proliferation of AI among College Students: A Replication and 2-Year Follow-Up
- Assessing the psychometric properties of AI-generated multiple-choice exams in a psychology subject
- Learning Through Simulation: Counselor Trainees' Interactions with ChatGPT as a Client
- Heterogeneity in AI attitudes, anxiety, and acceptance among psychology students and psychotherapy trainees: a domain-specific latent class analysis
- Are Large Language Models Reliable across Services and over (a Short) Time? An Exploratory Study in Sociology with Pedagogical Implications
- ChatGPT as a Cognitive Tool in Sociology: Students' Perceptions and Its Impact on Academic Writing Practices
- Training and Technology Acceptance of ChatGPT in University Students of Social Sciences: A Netcoincidental Analysis
相关资源
- 在心理学课程中整合生成式 AI一本开放获取的 255 页 STP 文集,收录 21 篇课程层面的报告,讲述生成式 AI 在心理学教学中的使用,从导论课一直到临床训练与统计学。