重新思考搜索：大学学生在学术问题解决中使用LLM与传统搜索引擎的观点研究
人机交互
2025-10-21 v1
摘要
随着人工智能在学术问题解决中的集成，大学学生经常在传统搜索引擎（如Google）和大语言模型（LLM）之间交替进行信息检索。本研究探讨了学生对这两种工具的看法，强调可用性、效率以及它们在学术工作流程中的集成。我们采用混合方法，调查了来自不同学科的109名学生，并对12名参与者进行深入访谈。对效率、满意度和工具偏好进行差异性分析使用了ANOVA和chi-square测试。定性洞察表明，学生常常在GPT和Google之间切换：使用Google获取可信赖的、多来源的信息，使用GPT进行摘要、解释和撰写。尽管两种工具单独使用都不够充分，但对混合解决方案的需求非常强烈。作为回应，我们开发了一个原型系统——嵌入在搜索界面中的聊天机器人，将GPT的对话能力与Google的可靠性结合，以增强学术研究并降低认知负荷。
引用
@article{arxiv.2510.17726,
title = {Rethinking Search: A Study of University Students' Perspectives on Using LLMs and Traditional Search Engines in Academic Problem Solving},
author = {Md. Faiyaz Abdullah Sayeedi and Md. Sadman Haque and Zobaer Ibn Razzaque and Robiul Awoul Robin and Sabila Nawshin},
journal= {arXiv preprint arXiv:2510.17726},
year = {2025}
}
备注
Acctepted at the EMNLP 2025 HCI+NLP Workshop