张晗 叶涵慧 李依恒 关婷

【摘要】本文基于自我决定理论，以国内614名使用AI工具（含通用大模型与AI阅读平台）的大学生为对象，运用问卷法聚焦“对AI的信心”与“批判思维动机”，探究二者对AI辅助学术阅读中批判思维能力的影响机制。研究发现大学生批判思维动机整体水平较高，批判思维动机总体中介贡献率达 64.16%，且使用通用大模型与专门学术阅读平台者的批判思维能力（M=4.35，SD=0.48）显著高于仅使用通用平台者（M=3.78，SD=0.73）及仅使用专门平台者（M=4.02，SD=0.68）。本文强调在使用AI工具的学术阅读任务中提升主体定位、使用信心和阅读技巧，为进一步提高大学生 AI素养、促进人机协同提供参考。

【关键词】生成式人工智能；大学生；学术阅读；批判思维；影响机制

站在全球视野观察，信息乃至知识的生产方式正发生根本性变革，生成式人工智能（简称 GenAI，下文统称 AI）技术的迅猛发展正深度重塑大学生的信息获取与知识习得模式。2021 年，习近平总书记在“两院院士”大会上提出，要“更加重视人才自主培养，更加重视科学精神、创新能力、批判思维的培养”。区别于传统数字阅读，AI 学术阅读平台依托 AIGC 技术的文本理解与内容生成能力，凭借自然语言处理、长文本分析等功能，可快速提炼文献核心观点、解析论证逻辑、解读专业术语，显著降低学术阅读的认知门槛，使学术阅读效率提升 34% 以上。其中诸如 ChatGPT、KimiChat、 ChatDOC 等工具能够快速总结文献、解释复杂概念乃至生成研究思路，为大学生处理文献提供了前所未有的便利。

但技术赋能的同时，“过度依赖导致批判思维退化”的风险日益凸显。一项微软研究院与卡内基梅隆大学通过对 319 名知识工作者的调查发现，人类对 AI 工具的依赖程度与批判思维参与度呈负相关，且这种影响与使用者对 AI 及自身能力的信心密切相关。中国青年报社发布的《2025 年度中国青少年阅读报告》显示，约六成受访青少年担心 AI 工具会让阅读变得碎片化和 AI 生成的内容不准确等问题；89.9% 的受访青少年认为，在 AI 时代保持深度阅读、独立思考更重要。另一项面对 1781 名大学生的调查数据显示，仅 21.5% 的学生会主动验证 AI 引用的文献来源。无论科研选题、文献梳理，还是学术阅读、文字审校，AI 工具逐渐嵌入科研活动的全过程，各种以 AI 驱动的学术阅读平台纷纷涌入市场，但 AI 技术为学术阅读带来的效率革命背后，潜藏着“技术赋能”与“思维弱化”的核心矛盾。人机协同的关键并非 AI 是否参与认知，而在于人是否始终掌握认知主导权，实现认知互补而非认知替代。本文的研究目的是探究在 AI 辅助学术阅读中提升大学生批判思维能力的理路。

一、文献综述（一）AI 学术阅读平台的使用行为与心理

在 AI 技术驱动下，学术阅读正经历从“人找文献”到“文献找人”的范式迁移，学术阅读场景也经历深刻变革。AI 学术阅读平台的普及既重构了传统阅读模式，也催生了技术赋能与思维发展的深层矛盾。现有研究围绕平台功能演进、用户使用现状及核心争议形成多元探讨，为理解 AI 时代学术阅读的独特性提供了重要视角。

当前，AI 学术阅读平台已从传统的信息检索工具升级为智能化学术助手，其功能体系呈现出显著的技术突破。新型 AI 学术阅读平台构建了“文本解析—知识关联—智能交互”的完整功能链条，核心涵盖三项关键能力：一是深度文本处理能力，可实现学术文献的结构化解析、跨语言翻译与复杂逻辑梳理，将晦涩的专业表述转化为平实表达以降低阅读门槛；二是知识图谱构建能力，自动关联文献中的核心概念、研究方法与研究结论，形成可视化知识网络；三是个性化交互能力，通过对话式提问、定制化摘要生成等功能，满足用户精准获取信息的需求。这种功能升级使得 KIMI、语鲸等平台成为大学生的常用阅读工具，形成了“AI 辅助—人工精读” 的新型阅读模式。

结合既有研究对学术阅读工具的界定与功能划分，本文将“AI 学术阅读平台”定义为：以学术深度阅读需求为核心，融合生成式人工智能技术，为学术资源的检索利用提供阅读理解、深度分析、策略指导等一体化交互式综合性文献处理系统。其核心在于以“学术阅读”为场景锚点，区别于 ChatGPT、DeepSeek 等通用型知识问答平台，用于满足学术用户对文献全要素，如研究方法、论证逻辑、图表数据的可视化等知识获取与交互需求。考虑到中国大学生实际使用情况，本研究将通用型知识问答平台也纳入“AI 学术阅读平台”讨论范畴。大学生在实际借助其辅助学术阅读时，会通过上传文献文本、输入文献相关问题等方式，利用其 AIGC 技术的文本理解与内容生成能力，获取文献相关信息、开展分析思考。

从功能维度看，纳入通用 AI 大模型后的“AI 学术阅读平台”，整体具有以下核心属性：一是融合传统浏览与智能对话，既保留 PDF 阅读、章节跳转等传统阅读习惯，又支持基于文献内容的自然语言问答，实现“阅读—疑问—解答”的即时闭环；二是支持人智协同阅读，可基于用户输入的文献相关信息，对文献涉及的研究背景、论证结构等进行分析反馈，辅助用户从不同角度透视文献内容；三是适配多元阅读任务，针对学术用户的检索任务、理解任务与积累任务，针对学术用户的检索任务提供个性化支持，例如通过自动摘要提升检索效率，通过深度内容分析辅助观点验证，通过知识关联推荐助力研究思路积累。

在大学生 AI 辅助学术阅读实践中，通用大模型与专门是两类核心工具，前者依托专门化设计，更直接地实现“高效信息获取”与“深度阅读理解” 的双重目标；后者则凭借广泛的 AIGC 技术应用，在学生实际学术阅读中成为重要的辅助工具，二者共同构成当前国内大学生 AI 辅助学术阅读的主要场景。不过，无论专用平台还是通用大模型，虽然通过文本解析、知识关联能提升阅读效率，但功能设计多侧重提取信息，并不着力于引导批判思维，往往缺乏论证逻辑标注、来源验证提示等功能，这与学生进行学术阅读须验证输出真实性的需求错位，加剧了“过度依赖”的风险，引发了第一重矛盾。

从使用现状来看，大学生群体对 AI 学术阅读平台的接受度已显著提升，然而群体内使用的实践呈现分层特征，如研究生群体对知识关联功能的需求显著高于本科生，而人文社科学生更依赖跨文本整合能力。使用深度也存在差异，已有研究显示，超七成受访学生在学术阅读中常规使用 AI 工具，但其使用深度存在明显差异：约 35% 的学生将平台作为“导航工具”，借助生成的大纲与关键词快速切入陌生领域；42% 的学生侧重其作为“效率工具” 的功能，利用信息提取能力处理大量文献以完成整合任务；另有 23% 的学生存在过度依赖倾向，承认直接采用 AI 生成内容替代原文阅读.....(本文为文章截选，完整版请搜索公众号：“教育传媒研究杂志社”)