理解生成式 AI 使用中的批判性思考：量表開發、驗證與相關因素研究
arXiv - Human-Computer InteractionGabriel R. Lau, Wei Yan Low, Louis Tay, Ysabel Guevarra, Dragan Ga\v{s}evi\'c, Andree Hartanto
本研究開發並驗證了「AI 使用批判性思考量表」，用於衡量使用者驗證 AI 內容、理解模型運作及反思其影響的傾向。
AI 幫你先抓重點
AI 重點 1
批判性思考在 AI 時代已從「資訊判斷」轉向「對模型機制與影響的系統性反思」。
滑鼠懸停看 AI 判斷理由
這改變了我們對批判性思考的定義。在生成式 AI 環境下，單純辨別真偽已不足夠，使用者必須具備理解模型侷限性（如幻覺）與評估長期依賴風險的能力，這對數位素養的定義提出了新挑戰。
AI 重點 2
AI 使用頻率與批判性思考傾向之間存在正向關聯。
滑鼠懸停看 AI 判斷理由
這打破了「過度使用 AI 會導致思考退化」的直覺假設。研究顯示頻繁使用者可能因為更頻繁地與 AI 互動，反而發展出更成熟的驗證與監督機制，這為設計 AI 輔助學習環境提供了新的思考維度。
核心研究發現
- 1
開發出包含 13 個題項的量表，並確認其具有「驗證」、「動機」與「反思」三個核心維度結構。
- 2
研究發現 AI 使用的批判性思考與開放性、外向性、正向特質情感以及 AI 使用頻率呈正相關。
- 3
高分者在事實查核任務中展現出更高的真實性判斷準確度，並使用更多樣化的驗證策略。
- 4
量表通過了信效度檢驗，包括重測信度、性別不變性以及收斂與區別效度。
對教育工作者的啟發
教育工作者應將「AI 批判性思考」納入數位素養教學大綱，不應僅教導如何下指令（Prompt Engineering），更應強調「驗證策略」與「模型侷限性理解」。課程設計者可以利用此量表評估學生的 AI 使用素養，並設計包含「事實查核」與「倫理反思」的專題式學習（PBL）任務，引導學生從被動接受者轉變為主動的監督者，培養其在 AI 協作環境下的元認知能力。
原始文獻資訊
- 英文標題：
- Understanding Critical Thinking in Generative Artificial Intelligence Use: Development, Validation, and Correlates of the Critical Thinking in AI Use Scale
- 作者：
- Gabriel R. Lau, Wei Yan Low, Louis Tay, Ysabel Guevarra, Dragan Ga\v{s}evi\'c, Andree Hartanto
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。