鉴于生成式人工智能（GenAI）的进展引发了对检测和区分人工生成内容和人类生成内容的关注，本研究通过 2022 年至 2023 年的纵向民族志研究发现，GenAI 支持拼凑工作，即非专家越来越多地使用 GenAI 来重新混合、重新包装和（重新）生成内容以满足他们的个人需求和欲望。本研究得出了四个主要发现：首先，参与者主要使用 GenAI 进行创作，而不是寻求真相。其次，传播 “影响力百万富翁” 叙事推动参与者成为内容创作者，使用 GenAI 作为生产工具来生成大量（通常是误导性的）内容。第三，GenAI 降低了跨模态内容创作的门槛，吸引消费者成为创作者并显著增加现有创作者的产出。最后，参与者使用 GenAI 学习和使用营销策略来扩大参与度并将其内容商品化。我们主张将分析焦点从将公众视为 AI 内容的消费者转向将他们视为创作工者，他们在很大程度上无需了解其基础技术。我们分析了这些较少研究的 GenAI 新兴用途如何产生新的或加速的误导危害，并探讨了它们对 AI 产品、平台和政策的影响。

May, 2024

本研究旨在探讨 Gen Z 学生与 Gen X 和 Gen Y 教师在高等教育中使用生成式人工智能（GenAI）方面的经验、感知、知识、关注和意图。调查发现，Gen Z 参与者普遍对 GenAI 的潜在好处持乐观态度，包括增强生产力、效率和个性化学习，并表达了使用 GenAI 进行各种教育目的的意图。Gen X 和 Gen Y 教师承认 GenAI 的潜在好处，但对其过度依赖，伦理和教学影响表示高度关注，强调有必要制定适当的指导方针和政策，以确保负责任地使用该技术。本研究强调了将技术与传统教学方法相结合，以提供更有效的学习体验的重要性。结果的含义包括需要为 GenAI 集成开发基于证据的指南和政策，培养学生的批判性思维和数字素养技能，并促进在高等教育中负责任地使用 GenAI 技术。

May, 2023

本文旨在阐明人工智能话语中用户信任的一些误解，并打击设计易受攻击的交互所导致的进一步信任违规事件的倾向。发现揭示了理解用户信任及其对计算机科学的影响的缺乏清晰度，特别是在测量用户信任特征方面。文中呼吁澄清这些概念，以避免人工智能采纳和适用中可能出现的信任差距和误解。

May, 2023

探讨了社交媒体中生成式人工智能聊天机器人的普及对社交媒体产生的变革性影响，调查了 Generation Z 年龄段的个体对 Discord 上的 AI 生成和人为撰写的文本进行辨别的能力，并发现 Generation Z 个体无法区分 AI 生成和人为构造的文本，与 Discord 的熟悉程度和人工智能技术经验相关。结果表明，AI 技术和流行的通信方式之间存在微妙的关联，对人机交互、数字通信和人工智能素养提供了有价值的洞见。

Dec, 2023

研究表明，五至十二岁的儿童对于生成式人工智能模型具有积极的态度，他们对于人工智能的认识和使用具有巨大的潜力，并且与真实物体和其他技术概念相比，儿童对生成式人工智能模型的理解仍存在较大的研究空白。

May, 2024

人工智能在社交媒体中的使用对年轻人的自我表达、人际关系和身体健康等问题提供了帮助，但在涉及敏感话题如自杀时，年轻人更青睐于人类回应。该研究还探讨了在线同伴支持交流的培训作用以及对支持年轻人福祉的意义。

May, 2024

应对人工智能和生成人工智能在高等教育中的崛起需要进行评估改革，本研究通过探讨学生和学术人员对人工智能和生成人工智能工具的熟悉程度和舒适度，着眼于当前和未来在学习和评估中的应用，填补了关键空白。在线调查收集到来自越南的两所大学和新加坡的一所大学的 35 名学术人员和 282 名学生的数据，调查了生成人工智能的熟悉程度、其在评估标记和反馈、知识检测和参与中的应用以及生成人工智能文本检测的经验。描述性统计和思考性主题分析揭示了两个群体对生成人工智能的熟悉程度普遍较低。生成人工智能反馈受到负面评价，然而当与教师反馈结合时，评价更为积极。学术人员对生成人工智能文本检测工具以及基于检测结果的成绩调整更加接受，相对于学生而言。定性分析确定了三个主题：对文本检测工具的理解不清晰，对生成人工智能检测器的经验存在差异，以及对生成人工智能对教育评估未来影响感受复杂。这些发现对高等教育中生成人工智能评估和反馈的政策和实践的发展具有重要意义。

Jun, 2024

调查显示，超过一半的受访教师（35 位）中有 59% 表示使用生成人工智能（GenAI）进行教学，尤其是大型语言模型（LLMs），然而 55% 的受访者认为应该制定相关法规来规范 GenAI 的使用，尤其是在准确性和作弊上存在最大的担忧。

Apr, 2024

本研究探讨了大学生对生成式人工智能 (GenAI) 技术（例如 ChatGPT）在高等教育中的看法，关注对技术的熟悉程度、参与意愿、潜在好处和挑战以及有效整合。从对香港来自不同学科的 399 名本科生和研究生的调查结果显示，学生普遍对利用 GenAI 进行教学和学习持积极态度。学生们认识到个性化学习支持、写作和头脑风暴的辅助以及研究和分析能力的潜力。然而，他们也表达了对准确性、隐私、伦理问题以及对个人发展、职业前景和社会价值的影响的关注。根据 John Biggs 的 3P 模型，学生的看法显著影响学习方法和成果。通过了解学生的看法，教育工作者和政策制定者可以量身定制 GenAI 技术，以解决需求和关注点，同时促进有效的学习成果。本研究的发现可以指导有关将 GenAI 技术集成到高等教育中的政策制定。通过了解学生的看法并解决他们的关注点，政策制定者可以制定明智的指南和策略，以负责任且有效地实施 GenAI 工具，从而增强高等教育的教学和学习体验。

Apr, 2023

研究表明，不管用户界面版本如何，参与者倾向于将人类作者和由大型语言模型生成的内容归于相似的可信度水平。他们对于人工智能生成的内容并不认为其能力和可靠性有所不同，但评价人工智能生成的内容更加清晰和吸引人。本研究的发现呼吁在评估信息来源时更加谨慎，并鼓励用户在接触由人工智能系统生成的内容时保持警惕和批判性思维。

Sep, 2023