乐于分享
好东西不私藏

大学生到底怎么用AI?我们决定认真问一问

大学生到底怎么用AI?我们决定认真问一问

📍 调研手记

380份问卷、15场访谈:我是如何从零设计一个AI调研的

从一纸计划书到可落地方案,一个商科学生的调研设计实录

📍 澳门大学👥 小赵.小区.小黄📋 指导:James & Kate

这学期我们选了一门研究方法课,期末要交一份完整的调研方案。选题的时候我几乎是秒定的——大学生怎么用AI,这件事我自己就有太多疑问了。于是拉着两个小伙伴,从零开始搭框架,这篇文章就是我的设计复盘。

🔍 选题:不是选题选了我,是我选了它

说实话,选题这件事没纠结太久。身边的同学,几乎每个人都在用ChatGPT写作业、用AI翻译文献、用AI润色报告。但大家的态度很分裂——有人觉得离不开,有人觉得用了心虚。

我自己也是这种分裂感的亲历者。有一次用AI整理了一份文献综述的框架,确实省了很多时间,但提交的时候一直在想:这算不算”作弊”?如果我承认用了AI,老师会怎么看?

💬 这个分裂感太真实了——用的人不说,说的人不用,到底谁在用、怎么用、心里怎么想,几乎没人说清楚过。

查了一圈文献后发现,关于大学生AI使用的实证研究不算多,而且大多是单一方法——要么只发问卷,要么只做访谈。我在想,能不能把两种方法结合起来,先大面积摸底,再深挖背后的原因?

于是”大学生AI使用现状与态度调查研究”就定下来了。

📐 设计:递进式混合研究的三步走

方案设计的时候,我反复在想一个问题:什么样的研究路径能让我们从”知道现象”走到”理解原因”?

单靠问卷,你能知道多少人用了AI,但很难知道他们用的时候心里怎么想;单靠访谈,你能深入了解几个人,但没办法说”大多数人是这样的”。所以我最终定了一个递进式的混合研究设计——三个阶段,层层深入。

01公开信息调研摸底现有研究02问卷调查380份大样本03半结构化访谈15人深度对话
⏱️ 第一步:公开信息调研

在设计问卷之前,我们先花了一周做公开信息调研——看已有的研究报告、新闻报道、行业数据。目的很明确:不做重复发明轮子的事。别人已经研究清楚的结论,我们直接引用;别人没覆盖的空白,才是我们的问卷要聚焦的地方。

📝 第二步:问卷调查

问卷是核心数据来源。我们设计了12道题目,涵盖使用频率、工具偏好、场景分布、态度倾向、学术诚信认知等维度。目标回收380份有效样本——这个数字是ai按照我们的调查范围及覆盖人数精准计算出来的。问卷会通过线上渠道发放,同时控制年级和专业分布的均衡性。

🎙️ 第三步:半结构化访谈

问卷只能告诉你”是什么”,访谈才能回答”为什么”。我们计划访谈15名学生,每人约20分钟。访谈对象会从问卷受访者中招募,确保覆盖不同使用频率和态度倾向的学生。半结构化意味着我们有提纲,但不会被提纲框住——追问比预设问题更重要

🎯 五个问题,五个方向

在定研究问题的时候,我从”最想知道”到”应该知道”排列了优先级,最后收敛成五个核心问题:

RQ1用得有多频繁?

大学生使用AI的频率、常用工具和主要场景——这是最基本的描摹,也是后续分析的底座。

RQ2真的有帮助吗?

AI对学业任务的帮助程度评价——不是问”你觉得有没有用”,而是问”在哪些具体任务上帮助最大”。

RQ3用了算不算”作弊”?

AI内容直接用于作业与学术诚信的关系——这是最敏感也最重要的问题,也是设计时最纠结的地方。

RQ4谁用得多,谁用得少?

不同年级和专业类别的差异——大一和大四的态度可能完全不同,商科和工科的用法也可能不一样。

RQ5学校该管吗?怎么管?

学生对学校AI使用规范的期待——与其由上而下制定规则,不如先听听学生自己怎么想。

💬 五个问题看起来不多,但每一个都能拆出很多子问题。设计的难点不在于”问什么”,而在于”不问什么”——忍住不贪多,才能把每个问题问透。

📊 关键数字一览
12问卷题目数
380目标有效样本
15深度访谈对象
4项目总周期
⏳ 4周,排得满满当当

项目周期只有4周,每一周都有明确的交付物。我按照”前期重设计、中期重执行、后期重整合”的原则排了时间线:

WEEK 1
公开信息调研 & 文献梳理
收集已有研究数据,搭建调研框架的底座
WEEK 2
问卷设计 & 预测试
12题问卷初稿完成,小范围预测试调整表述
WEEK 2-3
问卷正式发放 & 数据回收
线上渠道全量发放,目标380份有效样本
WEEK 3
访谈提纲设计 & 招募访谈对象
从问卷受访者中筛选,确保多样性覆盖
WEEK 3-4
深度访谈执行
15人 × 20-30分钟,同步整理访谈笔记
WEEK 4
数据分析 & 报告撰写
定量定性交叉验证,形成最终调研报告

💬 排时间线的时候有个教训:问卷回收和访谈招募不能串行,必须重叠。否则等你问卷收完再找人访谈,4周根本不够用。

👥 三个人,三条线

团队只有三个人,但每个角色都不可或缺:

项目统筹 & 方案设计

负责整体研究框架搭建、研究问题设计、时间线规划,以及问卷和访谈提纲的逻辑一致性把控。

数据分析 & 报告撰写

负责问卷数据的统计分析和可视化,访谈内容的编码与主题分析,以及最终调研报告的撰写。

Skill建设 & 访谈执行

负责调研工具的数字化搭建(Skill系统),以及访谈的现场执行和记录整理。

分工的时候有个原则:每个人既负责”自己最擅长的”,又参与”别人主导的环节”。比如我虽然主统筹,但也会参与访谈;小区虽然主分析,但也会一起讨论问卷设计。这样交叉参与,才能避免信息孤岛。

💡 设计中最大的纠结

整个方案设计里,让我花最多时间纠结的是RQ3——AI内容直接用于作业和学术诚信的关系。

纠结的不是这个问题该不该问,而是怎么问。如果你直接问”你是否曾经把AI生成的内容当作自己的作业提交”,几乎不会有人承认。但如果你换个方式——”你觉得在什么情况下使用AI辅助完成作业是可接受的”——就能打开讨论空间。

最后我们在问卷里用了情境判断题,在访谈里用了开放式追问。两种方式互补,希望能更贴近真实的态度。

💬 调研不是审讯,设计的核心不是让人承认什么,而是让人愿意说出真实的想法。措辞的每一个字,都在影响数据的可信度。

4周之后,我们会带着数据和访谈录音回来

到那时候,跟大家分享真实的发现

如果你也是在校大学生,欢迎填我们的问卷——每一个真实的回答,都是让这幅拼图更完整的一块