arXiv cs.CY· James M. Zumel Dumlao, Meng Wang, Zhonghan Xie, Junyao Hu, Ivan Bar, George Chaney III, Henry Gold, Misha Teplitskiy·· 3 天前AI 评分34
生成式 AI 可用性、成绩与学生满意度：一项大型大学研究
Generative AI Availability, Grades, and Student Satisfaction at a Large University
AI 导读
一项基于美国某大型大学 2016-2025 年 138,386 名学生、72,730 门课程数据的研究发现，ChatGPT 发布后，生成式 AI 易感课程的成绩与学生满意度变化很小，且对 COVID-19 建模方式敏感，未发现按学生先前学业准备存在可检测差异。
正文 · AI 翻译
摘要：生成式 AI（GenAI）的普及引发了人们的担忧：大学生用 GenAI 替代认知努力，未真正学习却获得高分。如果这一“GenAI 替代假说”成立，那么在易受 GenAI 影响的课程中——即更多依赖带回家的问题集和论文等评估方式、而非课堂考试的课程——成绩应出现不成比例的上升。学生满意度（自我报告的理解程度和兴趣）也可能发生变化。我们使用一所美国大型大学的课程大纲和行政数据（2016—2025 年；138,386 名学生；72,730 门次课程）检验这一假说。我们通过人工验证的 LLM 流程从课程大纲中提取评估类型，以此衡量 GenAI 易感性。随后，我们采用双重差分设计，比较 ChatGPT 发布前后的课程，并将 COVID-19 的影响建模为持续性或暂时性。对成绩和满意度的影响很小，且对 COVID 建模选择敏感，未发现不同先前学业准备程度的学生之间存在可检测的差异。探索性分析显示，在更易受影响的课程中，大学前考试成绩与成绩之间的联系并未出现可检测的减弱，而且早在 ChatGPT 之前，教师就一直在降低课程的易感性。我们的发现缓和了关于 GenAI 抬高成绩并降低满意度的担忧，部分原因是教师可能调整了教学方法。
| 学科： | 计算机与社会（cs.CY）；普通经济学（econ.GN） |
| 引用为： | arXiv:2607.21534 [cs.CY] |
| （或使用 arXiv:2607.21534v3 [cs.CY] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2607.21534 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：James Zumel Dumlao [查看电子邮件]
[v1]
2026 年 7 月 23 日星期四 17:19:55 UTC（2,780 KB）
[v2]
2026 年 7 月 27 日星期一 18:36:14 UTC（2,781 KB）
[v3]
2026 年 10 月 14 日星期三 17:48:25 UTC（3,057 KB）
来源：arXiv cs.CY · arxiv.org