同一位老师的两段话 开放题 · pp. 9、11
第一段 · 用
让 ChatGPT 从人口普查数据里汇总人口信息，用在课上
抽查了其中一部分：对很多简单问题，它做得不错
第二段 · 担心
时间紧、学习吃力的学生，更可能不恰当地使用它，也更可能承担后果
最需要帮助的人，可能要付出最大的代价
同一位受访者 · P57
一边在用，一边在担心
受访者回答为中文意译
COMPUTERS AND EDUCATION: ARTIFICIAL INTELLIGENCE · 8 · 2025 · 100383
Understanding the practices, perceptions, and (dis)trust of generative AI among instructors
A mixed-methods study in the U.S. higher education
《理解教师对生成式 AI 的实践、看法与信任和不信任》
Wenhan Lyu · Shuang Zhang · Tingting (Rachel) Chung · Yifan Sun · Yixuan Zhang
威廉与玛丽大学中国人民大学→调查：美国一所大学的教师
研究是怎么做的 pp. 3、5
研究是怎么做的？
2024 年 3 月美国中大西洋地区 · 研究型大学 · 重视文理教育
当时，学校还没有专门针对生成式 AI 的正式规定
选择题开放题
开放题 · p. 5
294 条有效回答（不是 294 人）· 两位研究者编码、讨论分歧 → 团队反复修订主题
一所学校一个时间点教师的自我报告
教师怎么说 ✓研究者在课堂里观察到了什么
方法注：正文 §5.1.1 提到“访谈数据”，但方法部分未交代访谈样本和程序；本期依已报告的方法，介绍为问卷及开放题分析。
熟悉，不等于用进教学 pp. 5–6、图 1–3
四张并列的卡，不是逐级上升的台阶
课程规则
58.8%
大纲里写了关于它的说明
可能是允许，也可能是限制
考试使用安排
88.1%
没有计划允许学生在考试中使用
具体教学任务使用
约六成到近八成
按不同任务，从来没用过
正文 64.0%–75.8%；图 2 代码生成一项 77.0%
培训与支持（图 3，同意 + 非常同意）
另：46.7% 不认同“我清楚怎样在课堂上处理”；55.1% 不认同“我已获得足够的培训和经验”
两套题，不是一句话的正反面 pp. 3–4、表 2
信任怎么测？
6 道信任题 + 6 道不信任题 · 五级同意程度 · 中文意译
信任题
① 能让教师更有效率
② 能有效实现个性化学习
③ 能改善教育结果 → 我需要调整教法
④ 期待把它用进课程
⑤ 需调整课程设计、纳入它以改善教育结果
⑥ 能提升学生解决问题的能力
不信任题
① 威胁学生心理健康
② 可能带来错误信息
③ 让学生自己的技能退化
④ 担心生成内容的准确性
⑤ 限制学生的创造力
⑥ 让学生不太愿意自己解决问题
两组题不是同一句话的正反两面
认可：能提高效率和担心：学生技能退化可以同时成立
相关，但可以区分 pp. 5、7–8 · 表 3、图 4–6
相关，但可以区分 · 可能同时存在
区分的是：本研究这两组题所测量的信任与不信任
虚线 = 本样本的中位数；人数据图 6
高低是相对于本样本而言的，不是四种固定的人
图 6 另列 Other 组 32 人，正文未说明其归类规则
信任，但核查 p. 11 · 受访者回答为中文概述
开放回答的主题：“信任，但核查”
使用后的专业处理
P140
AI 的教案像一副“骨架”，帮自己启动思考；学习资源还得自己去找
补足材料P108
学生汇总几千份报告，同时对一部分人工处理，比较模型表现
人工对照P125 · 编程任务
学生需查阅所用函数、理解代码逻辑；写提示词相当于先写伪代码
理解代码
都说成“最后看一眼” → 会遮住教师在回答中描述的工作
顾虑与负担 pp. 8–10
不信任的一面，同样具体
语言公正 · P132
把文字改得“更专业”，可能抹掉方言差异，强化关于性别、种族和阶层的主流规范
“如果 AI 能完成这份作业，布置它还有什么意义？”
P124 · p. 10 · 中文意译
还有负担
P20 · 教师报告的负担
批改要多花时间，判断作业是不是 AI 写的
P53 · 对组织安排的担忧
效率可能让管理者扩大班级，还要求提供 AI 反馈
这些是教师报告的感受和担忧 ≠ 研究测出的工时变化或政策结果
别急着给抗拒贴标签 pp. 8、14–15
作者的标签：盲目不信任相关回答缺少直接经验或明确依据 · p. 8
（回答“有没有正面例子”）“生成式 AI 不属于这里，我们绝对不该引入它。”
P31 · 正文 p. 8 · 中文意译
“学生过度依赖它，即使我在课上教过，他们也不去评估来源。”
P31 · 附录表 6 p. 15 · 同一编号的另一段回答 · 中文意译
一段回答没有给出理由 ≠ 这个人没有理由
编辑对正文与附录的交叉阅读；不等于掌握了 P31 的全部动机
作者的提醒 · §6.2.4 · p. 14
强烈的不信任，可能针对某些具体方面，而不是整项技术
价值冲突教育中的权力与控制
熟悉和信任，谁先谁后？ pp. 7–8、13–14
自报熟悉程度（平均，1–5）· 图 6
高信任·高不信任4.31
高信任·低不信任4.43
低信任·高不信任3.73
低信任·低不信任3.29
Other3.78
分组间存在总体差异；高信任的两组，平均熟悉程度较高
平均信任（1–5）· 按教学层次 · p. 8
只教本科2.62
本科、研究生都教3.39
只教研究生3.15
不信任：只教本科的教师最高
作者建议：加强培训
局限 · p. 14
横截面调查：一个时间点，看不到态度怎样随时间变化
几种可能的解释（编辑整理），这项数据分不开
§6.2.2 · p. 13
作者呼吁：今后用实验研究检验培训等干预的效果
带回今天 编辑延伸
“你到底信不信 AI？”
→ 拿出一项具体任务，写一张使用与核查便笺
① 我愿意交给 AI 的部分
一个具体动作：如整理课堂讨论的候选问题
② 我仍然不放心的地方
一项具体风险：如引用是否真实
③ 我准备怎样核查
参照什么材料 · 谁来核查 · 要花多少时间
④ 什么会让我改变安排
暂停、缩小范围或重新尝试的条件
编辑设计的反思练习，不是论文里的量表
信任和不信任可以并存；判断，往往藏在具体任务的条件里
Lyu, W., Zhang, S., Chung, T. (R.), Sun, Y., & Zhang, Y. (2025). Computers and Education: Artificial Intelligence, 8, 100383.