《Computers and Education Open》：Ethical conditions for university students’ adoption of large language models in exam preparation contexts
編輯推薦：
本文探討了大型語言模型（LLMs）在高等教育考試準備中的應用倫理。研究者調查了西班牙大學生的倫理觀念（基于道德公平、結果論和義務論）如何影響其使用LLMs的意向（IU）及實際使用行為（USE）。研究發現，三種倫理維度均為使用意向的必要條件，其中結果論（CO）和義務論（DE）是意向的充分預測因子，而使用意向（IU）則是實際使用（USE）的必要且充分條件。該研究為理解AI教育工具的倫理接受機制提供了實證基礎。
大型語言模型（LLMs）如ChatGPT，正以前所未有的力量改變著高等教育的格局。學生們可以利用它們總結內容、解釋復雜概念，甚至生成模擬考題，以此輔助備考。然而，這股技術浪潮也裹挾著倫理的暗流：使用LLMs準備考試是否公平？是否會加劇“數字鴻溝”？是否意味著逃避了真正的學習過程，從而損害了學術誠信？這些問題懸而未決，而高校管理者、教師和學生們都迫切需要清晰的指引。
在此背景下，來自西班牙羅維拉·威爾吉利大學（Universitat Rovira i Virgili）和康普頓斯大學（Universidad Complutense de Madrid）的研究團隊，Antonio Pérez-Portabella、Mario Arias-Oliva和Graciela Padilla-Castillo等人，決定深入探究大學生們的內心“倫理天平”。他們想知道：當學生們面對LLMs這個強大的“外掛”時，是哪些倫理考量在真正左右他們的決定？僅僅是覺得“有用”嗎？還是關乎“公平”、“責任”或“規則”？更重要的是，這些倫理判斷僅僅是“入場券”，還是能直接“助推”使用行為？
為了回答這些問題，研究人員在2025年4月至6月間，對151名西班牙社會科學領域的本科生進行了一項問卷調查。他們巧妙地將經典的多維倫理量表（MES） 與技術接受模型（TAM/UTAUT） 的理論框架相結合。MES測量了三種核心的倫理視角：道德公平（ME，指行為是否公平、公正）、結果論（CO，關注行為帶來的后果是好是壞）和義務論（DE，強調遵守規則和履行責任） 。研究設定了兩個核心目標：第一（RO1），探究這三種倫理感知是否是學生產生使用意向（IU）的“必要條件”——即，達不到某個最低門檻，意向就無從談起；第二（RO2），分析這些倫理感知是否也是“充分條件”——即，更高的倫理評價是否能直接帶來更強的使用意向和實際使用（USE）。為達成這兩個互補的目標，研究采用了兩種高級統計方法：必要條件分析（NCA） 和偏最小二乘結構方程模型（PLS-SEM）。
研究結果為我們描繪了一幅細致而深刻的倫理決策圖景。
4.2. 必要條件分析（研究目標1）的結果
通過NCA分析發現，所有三種倫理維度——道德公平（ME）、結果論（CO）和義務論（DE）——都是形成使用意向（IU）的必要條件。這意味著，如果學生在任何一項上的評分過低，他們幾乎不可能產生使用LLMs備考的強烈意愿。具體而言，ME的必要性效應值（d= 0.338）最高，其次是CO（d= 0.274）和DE（d= 0.207），且均具有統計學顯著性（p< 0.001）。同時，使用意向（IU）本身也是實際使用行為（USE）的必要條件（d= 0.325, p< 0.001）。瓶頸分析進一步量化了這些“門檻”：例如，要達到中等水平（50百分位）的使用意向，學生至少需要在ME上達到23.8百分位，在DE上達到20百分位。
4.3. PLS-SEM分析（研究目標2）的結果
PLS-SEM分析則揭示了哪些因素是“充分”的驅動力。結果顯示，使用意向（IU）對實際使用（USE）具有極強的預測力（β = 0.905, p< 0.001），證實了它是實際行為的充分條件。在三種倫理維度中，只有結果論（CO）和義務論（DE）對使用意向（IU）有顯著的正向影響（CO: β = 0.350, p= 0.038； DE: β = 0.329, p= 0.013），即它們是使用意向的充分條件。而道德公平（ME）的影響在統計上并不顯著（β = 0.108, p= 0.414）。
這一看似矛盾的結果（ME必要但不充分）恰恰是本研究最重要的發現之一。它表明，公平感（ME）是一道“倫理基線”或“許可門檻”。學生首先必須覺得使用LLMs備考大體上是公平的、正當的，才會考慮去用它。然而，一旦跨過了這道門檻，決定他們“用多用少”、“多想用”的，就不再是公平感本身，而是更多取決于工具能帶來多大好處（CO） 以及是否符合他們心中的責任與規則（DE）。換句話說，學生們會想：“用這個公平嗎？（ME過關了）”→ “它能幫我高效通過考試嗎？（CO驅動）”→“用它來完成學業目標，算是我對學校、家庭盡到責任了嗎？（DE驅動）”。研究還發現，CO和DE之間存在一定的補償效應，即一方不足時，另一方可以補上以維持較高的使用意向，但ME不具備這種補償性。
結論與討論
這項發表在《Computers and Education Open》上的研究，為理解LLMs在教育場景中的倫理接受度提供了關鍵見解。它證實，學生的決策并非單一維度的功利計算，而是融合了多種倫理框架的復雜判斷。道德公平確立了行為的可接受性，而結果論和義務論則提供了將接受性轉化為實際接受和使用的動機。
其重要意義在于為教育實踐提供了清晰的路線圖：
- 1.
政策制定需超越技術層面：高校在引入LLMs時，不能只提供工具，必須配套明確的倫理指南和數字素養培訓，幫助學生建立負責任的使用觀念。
- 2.
強調“公平準入”的基礎性：研究突顯了ME作為必要條件的核心地位。因此，確保所有學生都能平等、合法地獲得功能相當的LLM工具，是防止加劇教育不公、維護學術誠信生態的基石。
- 3.
利用“結果”與“責任”驅動良性使用：教育者可以設計教學活動，突出LLMs在提升學習效率（CO）和支持達成學習目標（DE，作為學生對學業的責任）方面的積極作用，從而引導其向善使用。
- 4.
評估方式的革新：鑒于學生傾向于使用他們認為有益的工具，單純的禁止可能無效。教育者應轉向注重過程、批判性思維和創造力的評估方式，使得LLMs從“答題捷徑”轉變為“思維伙伴”。
當然，研究也存在局限，如樣本局限于西班牙社會科學學生、橫截面數據無法反映動態變化等。未來的研究可以拓展到不同文化背景、學科領域，并引入縱向追蹤或結合質性訪談，以更全面地描繪AI時代學生倫理決策的演變圖譜。無論如何，這項研究已經有力地證明，在技術狂奔的時代，倫理的羅盤，始終是駕馭技術風帆不可或缺的導航儀。
