摘要
高等教育机构越来越被期望确保学生和教职员工都能发展生成式AI（GenAI）素养。为此，它们正在推出专业发展项目，并将GenAI技能嵌入学生课程中。然而，目前的教育框架通常假设GenAI素养是线性发展的，意味着基础技术理解必须先于创造性应用。本文通过对一个基于分类法的自我评估工具进行心理测量分析（样本量 n = 158），挑战了这一假设。
我们应用了Rasch测量理论和Guttman排序法，绘制了学生、学术人员和专业员工在GenAI技能的潜在感知难度顺序。结果揭示了能力认知的根本差异：学术人员遵循更传统的线性路径，而学生则表现出“倒置”的特征，通常在掌握高层次创造任务之前，未能获得基础概念理解。此外，学生与学术人员之间技能难度的相关性较弱（r = 0.188）。
我们认为这种“技能绕过”导致了一种脆弱的流畅感，即在提示方面的高自我效能掩盖了对AI机制的低素养。这些发现挑战了“一刀切”的课程设计，并为以诊断驱动的模块化干预措施提供了实证基础，以促进真正的人机协同。
博主点评： 本文揭示了高等教育中存在的生成式AI素养的复杂性，尤其是学生与教职员工在技能掌握上的根本差异，提出了课程设计的必要改革。通过更具针对性的教育干预，可以有效提升AI素养，促进人机协作的真实实现。