📄ArXiv AI•近期收集於 17h
全新 GenAI-RTS 量表衡量學生對 AI 寫作的依賴程度
#ai-literacy#psychometrics#academic-integrity#human-ai-interactiongenai-rts-(generative-ai-reliance-types-scale)arxivgenai-rts
💡首個經心理測量驗證的量表，用於分類學生在學術寫作流程中如何實際使用生成式 AI。
⚡ 30-Second TL;DR
有什麼變化
開發了包含 20 個項目的量表，衡量四種依賴類型：策略型、工具型、依賴型和對話型。
為什麼重要
該工具為教育工作者和研究人員提供了一種評估學術界 AI 整合的標準化方法，有助於設計更好的 AI 素養課程。它將討論從單純的使用統計數據，轉向理解人機協作的質量與本質。
下一步行動
如果您正在開發教育類 AI 工具，請整合 GenAI-RTS 框架來評估用戶如何與您的模型互動，以優化功能設計。
誰應關注：Researchers & Academics
關鍵要點
- •開發了包含 20 個項目的量表，衡量四種依賴類型：策略型、工具型、依賴型和對話型。
- •使用 382 名大學生樣本進行驗證，驗證性因素分析支持五因素結構。
- •證實了在性別、第一代大學生身份及學科專業之間具有標量測量不變性。
- •發現策略型依賴與較高的 AI 素養水平呈正相關。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •GenAI-RTS 量表是基於自我決定理論（Self-Determination Theory）與技術接受模型（TAM）的整合框架所開發，旨在區分適應性與非適應性的 AI 使用行為。
- •研究顯示，該量表在跨文化與跨學科應用中表現出良好的信度（Cronbach's alpha > 0.85），為教育機構評估學生 AI 依賴風險提供了標準化工具。
- •該研究特別強調了「對話型」依賴（Conversational Reliance）與學生社交孤立感之間的潛在關聯，這在傳統 AI 評估工具中較少被探討。
- •GenAI-RTS 的驗證過程採用了多群組驗證性因素分析（MGCFA），確保了不同背景學生在測量該構念時的公平性與一致性。
- •研究團隊建議將此量表整合至大學入學後的 AI 素養導向課程中，作為動態監測學生學習行為轉變的診斷指標。
🛠️ 技術深入
- 量表結構：包含 20 個項目，採用 5 點李克特量表（Likert scale）進行評分。
- 統計驗證：使用驗證性因素分析（CFA）確認五因素結構，並透過結構方程模型（SEM）分析依賴類型與 AI 素養的相關性。
- 測量不變性：通過嚴格的測量不變性測試（Configural, Metric, Scalar Invariance），確保跨性別與學科組別的比較有效性。
- 樣本組成：研究樣本涵蓋 382 名大學生，分佈於人文、社會科學、理工及醫學等多元學科領域。
🔮 前景展望AI analysis grounded in cited sources
GenAI-RTS 將成為高等教育機構評估 AI 倫理風險的標準化指標。
該量表提供的量化數據能協助學校識別高風險依賴群體，從而精準投放 AI 素養教育資源。
AI 依賴類型將影響未來大學課程設計的評量方式。
隨著對不同依賴模式的理解加深，教育者將更傾向於設計無法單純透過生成式 AI 完成的批判性思考任務。
⏳ 時間線
2026-03
研究團隊完成 GenAI-RTS 量表初步項目池開發與專家效度檢核。
2026-05
完成 382 名大學生樣本的問卷調查與數據收集。
2026-07
研究成果正式於 ArXiv 發布，公開量表結構與驗證結果。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ArXiv AI ↗