生成式人工智能（Generative AI, GenAI）使用落差：秘鲁安第斯山区高等教育中学生GenAI使用的可见性管理（Visibility Management）

《Sustainability》：The AI Use Gap: Visibility Management of Generative AI Use in Higher Education in the Peruvian Andes

　　

本研究考察了秘鲁安第斯山区一所公立大学学生中生成式人工智能（Generative Artificial Intelligence, GenAI）个人自报使用与声明使用之间的差异，该差异被操作化为AI使用落差（AI Use Gap, 基于两项自评测量的探索性落差指标）。采用序贯解释型混合方法设计（sequential explanatory mixed-methods design），结合问卷调查（N = 150）、实验情境评估（experimental vignette evaluations）及定性后续访谈，探讨学生在学术语境中如何管理GenAI使用的可见性与披露行为。研究结果显示GenAI使用率相对较高，但个人自报使用与声明使用之间存在持续落差，表明跨情境的差异性报告模式。定量分析未发现AI使用落差与所考察的心理社会/情境指标（包括感知污名perceived stigma、隐瞒倾向concealment、规范模糊性normative ambiguity及同伴压力peer pressure）之间存在清晰分化的探索性关联模式。鉴于指标的探索性质及有限内部一致性，结果被谨慎解释为初步探索性模式而非稳定的心理社会关系证据。定性结果表明AI披露实践受社会评价及情境依赖过程塑造，包括对被评判的恐惧、对可接受AI使用的不确定性及选择性披露策略。参与者常描述AI使用普遍但未在各学术场景中一致披露。总体而言，使用与披露间的落差更应被理解为受制度模糊性与社会期望塑造的可见性管理形式，而非仅由稳定个体层面特征决定。本研究并非验证稳定心理社会机制，而是使用临时性情境指标探索新兴且具情境敏感性的现象，以捕捉异质性的感知与披露模式。研究结果有助于推进关于高等教育中GenAI使用的透明度、学术诚信及社会性规制的讨论，尤其在研究不足的全球南方（Global South）语境中。

论文解读：《The AI Use Gap: Visibility Management of Generative AI Use in Higher Education in the Peruvian Andes》

研究背景与意义

随着生成式人工智能（Generative Artificial Intelligence, GenAI，如ChatGPT）在全球高等教育的快速渗透，其重塑了知识生产与学术努力的传统观念，但也引发了对学术诚信、批判性思维退化及"认知外包（cognitive outsourcing）"的担忧。当前高校普遍缺乏明确的GenAI使用监管政策，造成规范模糊性（normative ambiguity），学生在利用GenAI提升效率与避免被指控学术不端间面临矛盾压力。此外，同伴对GenAI使用的负面评价（视为懒惰或不公优势）可能导致学生不仅调控使用情况，还调控其可见性（visibility），形成选择性披露。此类动态在秘鲁安第斯山区等全球南方（Global South）语境中尤为未被充分研究，该地区兼具重视个体努力与学业功用的文化框架及数字资源不均的结构性挑战。现有文献多聚焦GenAI技术能力或伦理框架，忽视了个人实际使用与正式声明使用间的落差及其社会管理机制。因此，研究人员开展此项研究以探查秘鲁安第斯山区大学生GenAI使用的"AI使用落差（AI Use Gap）"——定义为个人自报使用（personally reported use）与声明使用（declared use，即在学术情境中公开报告的使用）之差，并从可见性管理（Visibility Management）理论视角解析其与社会情境因素的关系，以期揭示新兴技术采纳中的报告张力，为透明度与制度调适提供依据。本文发表于《Sustainability》（MDPI, 2026）。

主要研究方法

研究人员采用序贯解释型混合方法设计（sequential explanatory mixed-methods design）。定量阶段以方便抽样与雪球抽样选取秘鲁国立瓦曼塔大学（Universidad Nacional Autónoma de Huanta, UNAH）环境工程专业150名本科生（N=150，≥18岁，匿名自愿参与并获伦理批准UNAH-CEI-2026-001），通过结构化电子问卷收集：（1）GenAI个人自报使用（"I use AI tools for academic tasks."）与声明使用（"I openly report when I use AI in my academic work."），均为5点李克特量表单条目；（2）四项心理社会情境指标各3个条目——感知污名（perceived stigma，认为AI使用会被同伴负面评价为能力低或懒惰）、隐瞒（concealment，倾向调控AI使用可见性而不愿公开披露）、规范模糊性（normative ambiguity，对学术中何为可接受AI使用的不确定性）、同伴压力（peer pressure，同伴态度对披露决策的影响），合成 composite indices（非验证性潜变量，α=0.15–0.45提示异质性）；以及（3）实验情境（experimental vignettes）评估三种AI辅助与披露情境下的可接受性、不诚实感和预期同伴评判。AI使用落差 = 个人自报使用得分 ? 声明使用得分。定性阶段从定量样本中有目的地抽取20人（兼顾不同落差与隐瞒水平）进行半结构化访谈（西班牙语，20–30分钟），采用Braun & Clarke反思性主题分析法（reflexive thematic analysis）。定量数据分析用Python进行描述统计、ANOVA、Pearson相关及探索性回归；定性结果用于解释定量发现。

研究结果

3.1. Prevalence and Distribution of AI Use and Discrepancy（AI使用与落差的普遍率及分布）

个人自报使用均值 M=3.92（SD=0.84），声明使用 M=2.97（SD=1.11），AI使用落差 M=0.95（SD=0.80，中位数=1.00，范围0–2）。66.0%参与者呈正落差（36.67%落差=1，29.33%落差=2），仅34.0%无落差。分布图显示落差集中大于0，证实使用与披露间存在系统性差异，非个别例外，暗示差异报告可能是学术语境中系统性模式。

3.2. Concealment Profiles and Behavioral Differences（隐瞒画像与行为差异）

按隐瞒指数三分位数分低、中、高隐瞒组，三组在感知污名、规范模糊性、同伴压力及个人自报AI使用上均值相近。高隐瞒组AI使用落差略高（M=1.12）但组间差异不显著，F(2,147)=0.718, p=0.489。ANOVA显示感知污名（中vs低组p=0.0129）与同伴压力（高vs低组p=0.0229）组间差异显著，但AI使用落差无显著组间差异，提示落差在隐瞒水平间相对稳定。

3.3. Relationship Between Concealment and AI Use Discrepancy（隐瞒与AI使用落差的关系）

Pearson相关显示个人自报与声明使用强正相关（r=0.700, p<0.001）；声明使用与AI使用落差强负相关（r=-0.659, p<0.001，系数学构造）；隐瞒与AI使用落差相关不显著（r=0.069, p=0.399）。探索性回归中隐瞒β=0.066, p=0.556，模型R²≈0.01–0.02，心理社会指标均未显示与AI使用落差的稳健统计关联，提示本测量框架下情境复合指标未清晰分化落差变异。

3.4. Social and Normative Perceptions of AI Use（AI使用的社会与规范感知）

情境评估显示预期同伴评判最高（M=3.63），其次为感知不诚实（M=3.20），可接受性最低（M=2.13）。表明参与者预期较强同伴评价且认为AI用在学术中较不可接受，但该规范感知未对应报告行为的组间差异，暗示规范感知与实际披露间存在脱节。

3.5. Qualitative Insights on AI Use Disclosure and Concealment（AI使用披露与隐瞒的定性洞见）

• •
  3.5.1. Perceived Stigma and Fear of Academic Judgment（感知污名与被学术评判的恐惧）：学生担心披露AI使用会被视为能力不足或没真正做功课（"If I say I used AI, they think I don't know anything"），污名顾虑跨使用水平普遍存在。
• •
  3.5.2. Normative Ambiguity and AI Use as Academically Contested（规范模糊性与AI使用作为学术争议行为）：教师间政策不一（"Some teachers allow it, others say it's cheating"），无明确规则致学生依情境风险策略性调控披露。
• •
  3.5.3. Selective Disclosure and Visibility Management（选择性披露与可见性管理）：AI使用被描述为普遍但少公开承认（"Everyone uses it but no one says it"）， concealment实为跨受众与情境的选择性可见性管理，非绝对保密，是应对模糊规范与预期评判的适应性回应。

讨论与结论总结

讨论指出AI使用落差是差异报告的探索性指标，反映制度模糊与社会期望下的可见性管理，非隐匿行为的直接测量。定量中心理社会指标与落差无稳健关联可能因指标低内部一致性（捕捉异质情境感知而非稳定特质）及共享制度条件使个体差异被掩盖。定性证实落差源于情境依赖的可见性管理——功能上AI使用已常态化但披露受社会规约。研究引入AI使用落差概念为高教GenAI治理中透明度与制度对齐（institutional alignment）议题提供实证切入点。局限含非概率抽样限制外推、自报偏差、指标低信度及横断面设计。未来需纵向、跨文化与更完善测量工具。

结论（翻译）

本研究考察秘鲁安第斯山区大学生GenAI使用与个人自报和声明使用间的落差。结果发现GenAI使用广泛但未一致披露，使用与声明间存在系统性落差。在此探索性测量框架下，该落差未由考察的心理社会/情境复合指标清晰分化。鉴于情境指标有限内部一致性，结果应谨慎解释——这些复合指标系临时性探索指标，非稳定心理测验构念。AI使用落差的变异似与更广泛、具情境依赖的报告与可见性动态相关，而非稳定个体层特征。此差异报告模式应被理解为受共享制度与社会条件（规范模糊、预期社会评价）塑造，而非仅个体倾向。GenAI在高教整合不仅受技术采纳模式影响，亦受对其可见性的社会性规制影响——学生将AI工具纳入日常学术实践，同时在规范模糊与预期评判下管理披露时机与方式。AI使用落差可作高教语境中与透明度、制度对齐及评估实践相关报告张力的探索性落差指标。弥合此落差需清晰制度政策及承认AI披露具社会中介性（socially mediated）的学术实践。