生成式 AI 对大学生认知偏差的影响及网络信息甄别能力培养路径研究

引言

在数字化浪潮驱动下，生成式 AI 这一颠覆性技术革新正在深刻地改变人类生产和生活方式，特别是在教育领域显示出了巨大潜能。它能自动产生文本，图像，音频以及其他各种形式的创意内容，给大学生带来丰富的学习资源及方便的辅助手段。但同时这一高度智能化技术所带来的危险也是不可忽视的——因为它所产出的成果具有高度拟真性、隐蔽性等特点，很容易让辨别经验不足的大学生走入认知误区，继而对其世界观、人生观、价值观产生影响。所以深入研究生成式 AI 在大学生认知偏差中的作用及应对策略具有现实意义。

一、生成式AI 的技术特征及其在高等教育中的应用现状

1. 技术原理与核心优势

生成式 AI 是基于深度学习技术构建的，尤其是像变分自编码器（VAE）和生成对抗网络（GAN）这样的模型框架，经过大量数据的训练，它展现出了卓越的模式识别和内容创新能力。与传统搜索引擎只提供对已有信息进行检索的功能相比，其能够主动地产生新的，满足用户需要的东西，例如回答复杂问题和模拟对话场景。这一性质大大扩展了知识边界，使个性化学习与创造性探索得以实现。比如生成式 AI 研发出智能导师系统，能够根据学生学习进度对教学内容进行动态调整，从而有效地提高教学效率。

2. 应用场景多元化趋势

当前生成式 AI 已经深入到高等教育的每一个环节：作为课堂教学的虚拟助教辅助教师进行作业批改；有助于科研实践中学生迅速获得前沿的文献综述；提供语言学习中的实时翻译和写作润色服务。另外在跨学科项目设计中也有运用以启发学生创新。以医学专业为例，学生可利用 AI 工具进行手术操作流程的仿真，预先熟悉临床技能并明显降低实践风险。这些运用在优化教育资源分配的同时也推动着教学模式改革。

3. 潜在风险初显

尽管生成式AI 为我们带来了许多积极的影响，但其过度依赖也揭示了某些问题。有的学生认为这是一条“捷径” ，不加思考地直接照搬机器产生的答案，从而丧失了自主学习能力。更为严重的是一些不良商家用这种技术研发作弊软件损害学术诚信体系。与此同时，算法黑箱也使得用户很难了解信息源及可靠性，加大误导概率。这些问题说明如何避免技术红利带来的负面影响同时又能享受到技术红利已经成为当前急需解决的关键课题。

二、生成式AI 引发大学生认知偏差的具体表现及成因分析

1. 信息过载导致的选择性注意失衡

网络是大学生首选的信息来源，大学生作为社交媒体的主要用户，更容易接触到虚假信息并受到影响。对于 00 后而言，社交媒体的使用更是无处不在[1]，互联网上海量信息通过生成式 AI 处理展现在用户面前，既包含优质知识，又包含低俗虚假内容。在这种庞杂信息流面前，大学生通常会选择与自己感兴趣或者预设立场相符的信息，这就产生了所谓“确认偏误”现象。这一现象在社交媒体中表现得尤为突出，算法将基于用户浏览历史来推送具有类似视角的文章以进一步增强原有认知框架。长此下去，学生视野就会变窄，就很难触及多元视角，也就不利于对世界进行全面、客观地理解。

2. 算法推荐加剧的信息茧房效应

现代社交平台一般使用个性化的推荐机制，在生成式 AI 的帮助下对用户的行为数据进行解析，从而自定义专属的信息流。这在改善用户体验的同时，也易产生“回声室现象，即人只能听到和自己一样的声音而忽视了各种观点的存在。对于塑造着价值观的大学生来说，在单一信息环境中长期易固化思维模式而降低社会多样性包容度。

3. 虚拟与现实的界限模糊化

生成式 AI 所营造出的高写实数字世界，使学生真假难辨。有些恶意使用者会发布虚假新闻或者深度伪造的视频来散布谣言，一般的学生也会因为对相关的认识不足而不能看穿谎言。更有甚者个别同学沉溺于虚拟社交互动而忽略了现实生活中人际交往与社会实践，造成社会适应能力下降。

4. 批判性思维能力的退化

学生在习惯了接受机器给出的现成回答后，其积极质疑、探索的动机也随之下降。生成式 AI 给出的解决方案通常是最优解法之一，但这并不代表唯一正确的答案。学生若不加区别地全盘接受，则失去了独立思考的良好习惯，从而影响了创新能力的发展。另外，过分依赖技术也会使学生记忆力减弱，逻辑思维能力下降，这是因为大脑已经不需要费力地去记忆知识点或者做繁杂的推理过程了。

三、网络信息甄别能力的内涵界定与构成要素解析

1. 概念界定

网络信息甄别能力就是个体对网络环境下有用信息进行精确识别，评价与甄别的能力，具体地说就是对信息真伪，价值高低及适用场景几个维度进行评判的能力。这不只是单纯的事实核查问题，还涉及到对于信息背后的意图理解以及文化语境认知问题。传统媒介时代虚假信息甄别主体多为新闻记者，借助 PolitiFact、FeckCheck.org 等对虚假信息进行人工甄别与验证。而社交媒体时代信息传播方式发生了变化，虚假信息识别从传统的手工核查转向自动识别 [2]。因此对大学生而言，网络信息甄别能力是数字时代所必须具备的核心素养，它关乎个人成长与社会责任感发展。

2. 关键能力维度划分

在网络信息呈现爆炸式增长、真假难分、莫衷一是的今天，作为网络空间中积极参与者的大学生迫切需要拥有对信息准确甄别的技能。而这一能力的建构有赖于几个关键维度之间的配合，主要包括①事实核查技巧：学习使用交叉验证来验证信息真伪，如考察多个出处是否相符、寻找原始出处。比如遇到有争议性的话题，可参考权威媒体的报道或者学术研究来证实事实真相。②来源可信度评估：了解各类媒体特点及信誉情况，优先考虑有知名度及专业性的单位所刊登的信息。还要注意确定广告植入式软文推广技巧。③逻辑推理训练：养成严谨的思维习惯，在证明过程中善于找出逻辑漏洞及矛盾所在。通过分析对比论点论据作出理性判断。④情感倾向感知：认识到情绪化语言会对判断力产生影响，以平静、客观的方式观察问题。尤其当热点事件来临时，切忌受煽动性言辞影响情绪。

3. 影响因素探讨

影响大学生网络信息甄别能力有很多因素，其中既有先验知识水平和认知风格不同等个体因素，又有家庭教育背景和同伴群体的压力等外在因素。一般来说，自我效能感高的学生倾向于花费时间与精力来验证信息是否准确；而且从民主开放家庭中成长起来的学生，一般都具有较好的批判性思维基础。另外，学校课程设置、社会文化氛围等因素都能显著影响学生信息素养。但由于当前互联网的开放性，民众可以任意发布、传播健康信息，导致网络整体信息质量水平不一，信息污染较为严重，对大学生思想健康亦存在较大隐患，甚至极有可能破坏学生对于网络健康信息的信任[3]。

4. 现有教育的不足之处

目前高校虽设置了部分与信息技术有关的课程，但是对学生现实信息甄别技能的训练还存在不足。大部分课程注重理论知识传授而缺少充分的实操练习；教学内容更新落后于迅猛发展的网络技术；评价体系简单，很难对学生综合能力进行综合考查。这些问题都限制着学生在复杂网络环境下的处理能力。

四、提升大学生网络信息甄别能力的实践路径探索

1. 课程体系重构与跨学科融合

鉴于生成式 AI 对认知的挑战，大学需要系统性地对原有课程框架进行改革。在通识教育的模块设计中，增设“数字素养和信息甄别”这一必修科目，并整合了图书馆情报学、新闻传播学、计算机科学等多个学科的资源，以构建一个模块化的教学内容体系。在教学过程中使用典型案例分析方法，并选择近几年网络谣言事件和深度伪造视频等作为教学素材，以引导学生运用交叉验证法来追溯信息的来源，通过比较不同信源报道角度及证据链完整性来判断真伪。介绍模拟法庭的辩论部分，使学生在其中分别充当信息发布者，传播者与接收者，并在实践过程中体验立场差异所带来的认知效应 [4]。同时进行小组协作项目要求小组完成选题策划至成果展示全流程工作，注重培养学生从大量资料中甄别关键论据和建立逻辑链条。

2. 实践活动设计与竞赛激励结合

构建阶梯式实践平台形成“基础训练—综合应用—创新拓展”成长道路。初级阶段举办实验室开放日，引导学生利用专业级的事实核查工具完成网页溯源和元数据分析的基本操作；中级阶段组织校园媒体创作大赛，要求参评作品须注明引用来源，同时附上可信度评估报告；高级阶段与企业共同发起行业级解决方案设计挑战赛，以激励学生就某一领域虚假信息治理问题提供技术方案。高校还可考虑设立校内外双导师制度，聘请主流媒体编辑和互联网平台审核员为实践导师，以真实工作场景带教学提高学员实战能力。建立专项奖学金奖励制度，对于参加国家级信息安全竞赛获奖学生实行学分认定、科研立项优先权等奖励的政策。

3. 校园文化浸润与社会协同育人

创设浸润式学习生态，把信息素养教育贯穿于日常校园生活之中。在图书馆建立“信息质量检测站”，并配备专业馆员，引导学生利用权威数据库追溯文献；借助校园广播站设置的“谣言粉碎机”栏目，对典型的网络骗局进行每周一次的解析；创建线上和线下联动主题展示，以交互式展项直观地展现算法推荐机制是如何形塑用户认知图谱的。搭建家校沟通云平台、定时推送网络安全防护指南、安排家长参加线上讲座，了解数字监护技巧等。联合社区建立网络安全宣传基地、组织学生志愿者进行老年人智能手机应用培训、加深服务社会信息伦理认知。

4. 技术赋能与智能工具应用

研制自适应学习系统以机器学习算法，对学生答题模式进行解析，准确识别学生事实判断和逻辑推理中存在的弱点，并对个性化训练任务进行动态推送。搭建虚拟仿真实验环境对不同参数设定下算法推荐效果进行仿真，使学生能够直观地体验到信息茧房产生的过程和突破策略。引入区块链技术构建学术诚信档案并记录学生课程论文查重率和数据引用规范度，从而形成可视化成长轨迹图。构建教师与学生共创知识图谱平台、激励学生标记可疑信息节点、启动集体论证、以众包形式完善校园知识库建设。

5. 制度保障与长效评价机制建设

制订《生成式 AI 时代信息素养教育实施纲要》，明确各个专业培养计划中的课程衔接标准和实践学时要求。建立校企共建教材更新机制并按最新网络诈骗手法每学期对教学案例库进行重组。对传统考核方式进行改革，采取过程性评价和终结性评价结合的方式，在综合评分体系中增加课堂讨论贡献度，实践项目完成度和竞赛参与程度等指标。成立专项督导小组定期对各部门教学实施情况进行抽查，着重对案例教学真实性、实践环节有效性进行督导。建立毕业生跟踪调查体系，搜集用人单位关于学生信息处理能力方面的反馈，形成闭环改善机制。以制度创新保障信息素养教育始终贯穿于人才培养过程中，并为解决生成式AI 对认知的挑战提供了一种可持续解决路径。

结语

综上，生成式 AI 是一柄双刃剑，它在给高等教育提供空前机遇的同时，又提出了全新挑战。在这种变革性技术力量面前，有必要清醒地认识其可能带来的种种认知偏差问题并积极采取有效措施予以处理。从重构课程体系，创新教学方法，丰富实践活动，加强校园文化建设，健全政策保障等方面入手，可逐步提高大学生网络信息甄别能力，有助于其发展成为独立思考能力强，社会责任感强的时代新人。

参考文献

[1] 张鼐 , 周年喜 . 大学生社交媒体虚假新闻甄别能力及共享行为研究 [J]. 传媒论坛 ,2023,6(05):21-23.

[2]李文文,吕海若,王诗语.社交媒体环境下大学生虚假信息甄别行为研究[J].情报理论与实践 ,2023,46(12):77-83.

[3] 高帆 . 人工智能对大学生网络健康信息甄别的影响探究 [J]. 信息记录材料 ,2020,21(07):220-221.

[4] 韩晴晴 , 陈春梅 . 基于生成式人工智能的大学生批判性思维发展探究 [J].深圳信息职业技术学院学报 ,2025,23(02):1-8.

姓名：李晨玉 出生： 1987 年 2 月 籍贯 : 黑龙江双鸭山 性别 ：女 最高学历： 硕士研究生 职称：助理研究员 研究方向：心理健康 邮编： 单位：