研究显示学生GenAI技能发展轨迹与技能领域均不均衡，学业收益多体现在作业。
资讯摘要
一项基于313份回溯问卷和18名学生访谈的研究，考察大学生对自身生成式AI技能发展的感知轨迹及其与学习实践、学业收益的关系。论文报告：34.2%的学生呈早期快速提升后趋平，28.4%稳定提升，21.1%延迟加速；评估AI输出被视为较难提升的技能，作业是最常被提及的技能成长驱动因素。访谈显示学生提示更具体、验证更有针对性、任务委派更具选择性，但也有学生出现依赖或跳过推理。结构方程模型显示，感知技能成长通过作业流程适应与学业收益呈正向间接关联，作业收益多于考试。
要点速读
- 论文基于313份回溯问卷与18名学生访谈，分析感知技能发展轨迹、学习实践变化与学业收益。
- 感知轨迹异质：34.2%早期快速提升后趋平，28.4%稳定提升，21.1%延迟加速；评估AI输出被认为较难提升。
- SEM显示感知技能成长经作业流程适应与学业收益正向间接关联，作业收益多于考试。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。