主要内容总结本文聚焦大型语言模型（LLMs）在弥合大学生环境知识差距中的潜力，通过环境知识测试（EKT-19）及补充问题，对比评估了GPT-3.5、GPT-4、GPT-4o、Gemini、Claude Sonnet、Llama 2等主流AI模型与46名大学生的环境知识水平。研究发现：所有AI模型在EKT-19测试中的表现均显著优于学生（AI平均得分26.67，学生平均得分13.20），其中Claude获得满分（30分），Llama 2得分最低（22分）；AI模型在气候、资源、社会政治等领域表现突出，但若涉及开放式问题的批判性思维、复杂辩论等，仍存在局限性；尽管AI模型具备庞大且易获取的知识储备，能辅助环境教育，但仍需环境科学领域的人类专家验证信息准确性，二者协同可能是最优模式。创新点多模型系统对比：首次系统评估6种主流LLMs在环境知识领域的表现，明确不同模型的优势与短板（如Claude的全面性、Llama 2在开放式问题中的详细性）；标准化评估工具结合：采用经心理测量学验证的EKT-19测试，并补充自定义问题，既保证评估的规范性，又减少AI训练偏差影响；人机协同框架提出：强调AI作为教育辅助工具的价值，同时指出人类专家在批判性思维引导、信息验证等方面的不可替代性，为环境教育的技术整合提供新思路。翻译部分