理解生成式人工智能中的批判性思维：批判性思维在 AI 使用中的量表的发展、验证与相关因素
人工智能
2026-05-27 v1 人机交互
摘要
生成式 AI 工具日益嵌入日常工作与学习中，但其流畅性、隐蔽性及会产生幻觉的倾向意味着用户必须批判性地评估 AI 输出，而非盲目接受。本研究将批判性思维在 AI 使用概念化为：验证 AI 生成信息的来源与内容、理解模型的工作原理及其局限性、以及反思依赖 AI 的更广泛意义的倾向。纵贯六项研究（N=1365），我们开发并验证了 13 项批判性思维在 AI 使用量表，并描绘了其名词网络。研究 1 生成并内容验证量表项目。研究 2 支持三因子结构（验证、动机、反思）。研究 3、4、5 确认了该高阶模型，展示了内部一致性和测试-重测可靠性、稳健的因子负荷、性别不变性，以及收敛性与判别性有效性。研究 3、4 进一步发现，批判性思维在 AI 使用与开放性、外向性、积极人格情感以及 AI 使用频率正相关。最后，研究 6 证明了该量表的判别效度：更高的批判性思维在 AI 使用得分预测更频繁且更具多样性的验证策略、在 novel 且自然的 ChatGPT 驱动事实核查任务中获得更高的真实性判断准确率，以及对负责任 AI 的更深层反思。综上所述，本工作阐明了人们为何及如何对生成式 AI 输出进行监督，提供了经过验证的量表和生态学方法范式，以支持理论检验、跨群体及纵向研究中对生成式 AI 输出的批判性参与。
引用
@article{arxiv.2512.12413,
title = {Understanding Critical Thinking in Generative Artificial Intelligence Use: Development, Validation, and Correlates of the Critical Thinking in AI Use Scale},
author = {Gabriel R. Lau and Wei Yan Low and Louis Tay and Ysabel Guevarra and Dragan Gašević and Andree Hartanto},
journal= {arXiv preprint arXiv:2512.12413},
year = {2026}
}