Engineering Students' Insights: Unveiling the Key Factors Shaping AI-Based Math Tool Usage

为探究影响工程专业学生对基于 AI 的数学工具的接受感知及实际学术使用的因素，研究人员以统一技术接受和使用理论 3（UTAUT3）、自我决定理论（SDT）及信任变量为框架开展研究。结果表明，享乐动机、感知能力等因素显著影响学生行为意向和实际使用。该研究为教育技术研究提供参考。

　　在当今科技飞速发展的时代，人工智能（AI）正以前所未有的速度渗透到教育领域。数学，作为工程学科的重要基础，其学习过程往往充满挑战，复杂的数学问题常让工程专业学生感到困扰。传统的学习方法，如教科书和教学材料，难以满足学生多样化的学习需求，无法为学生提供全面细致的解释。而 AI 技术的出现，似乎为解决这些问题带来了新的希望。基于 AI 的数学工具，如 ChatGPT、Photomath、Mathway 等，能够通过详细的解释和个性化的学习体验，帮助学生掌握数学技能。然而，尽管 AI 技术在教育领域展现出了巨大的潜力，但目前对于工程专业学生对这些工具的接受程度和实际使用情况，仍缺乏深入的研究。在此背景下，开展此项研究显得尤为必要。

为了深入了解影响工程专业学生对基于 AI 的数学工具的接受感知及实际学术使用的因素，研究人员进行了一项全面的研究。研究整合了统一技术接受和使用理论 3（UTAUT3）、自我决定理论（SDT）以及信任变量，构建了一个综合的研究框架。UTAUT3 涵盖了性能期望（PE）、努力期望（EE）、社会影响（SI）、促进条件（FC）、享乐动机（HM）、个人创新性（PI）、习惯（HB）和价格价值（PV）等多个变量，用于评估技术接受的关键决定因素；SDT 则强调了自主性、能力和关联性这三个核心要素对个体动机的影响；信任变量则反映了学生对 AI 工具的认知评估。

研究人员通过在线调查的方式收集数据，采用目的抽样法选取了正在学习数学相关课程的工程专业学生作为研究对象。最终，共获得了 565 份有效问卷。研究运用偏最小二乘结构方程模型（PLS-SEM）对数据进行分析，以探究各个变量之间的相关性和相互关系。

研究结果表明，UTAUT3 及其各个维度对学生使用 AI 数学工具的行为意向（BI）有着积极且显著的影响。其中，享乐动机（HM）对 UTAUT3 的影响最为显著，这意味着工程专业学生对基于 AI 的数学工具的接受和采用，在很大程度上受到使用过程中的愉悦感和满足感的影响。当学生认为使用这些工具能够带来乐趣时，他们更有可能愿意使用并持续使用。性能期望（PE）也是影响行为意向的重要因素，学生相信使用 AI 数学工具能够提高他们的学术成绩，这促使他们更倾向于使用这些工具。习惯（HB）和个人创新性（PI）同样对行为意向有着显著影响，经常使用 AI 数学工具的学生更容易形成使用习惯，而具有创新意识的学生更愿意尝试新的技术，从而更积极地使用 AI 数学工具。

在自我决定理论（SDT）的相关因素中，感知能力（PC）和感知关联性（PR）对行为意向有着显著影响。学生对自己使用 AI 数学工具能力的信心，以及在使用过程中与他人的联系感，都会影响他们的使用意愿。然而，感知自主性（PA）对行为意向的影响并不显著，这表明工程专业学生在选择使用 AI 数学工具时，更注重工具的功能性和带来的学术益处，而非使用的灵活性和自主性。

信任（TR）在学生使用 AI 数学工具的行为意向和实际使用（AU）中都起着重要作用。学生对 AI 工具的准确性、安全性和可靠性的信任程度，会直接影响他们是否愿意使用这些工具，以及在实际学习中是否会真正使用。行为意向对实际使用有着强烈的正向影响，这意味着学生使用 AI 数学工具的意愿越高，他们在实际学习中使用的可能性就越大。

此外，研究还发现，不同类型的 AI 数学工具、使用频率和使用目的，对学生的行为意向和实际使用都有显著影响。例如，ChatGPT 因其功能特点成为学生最常使用的工具之一；学生使用 AI 数学工具的频率与他们的使用习惯密切相关；而使用目的则决定了学生对工具的依赖程度和使用的必要性。

从理论层面来看，该研究将 UTAUT3、SDT 和信任变量相结合，为理解工程专业学生对 AI 数学工具的接受和使用行为提供了更全面的理论框架。这种整合不仅考虑了传统技术接受模型中的因素，还纳入了心理动机因素，为教育技术领域的研究提供了新的视角和理论支持。

在实践方面，研究结果为教育工作者和开发者提供了有价值的参考。大学和教师可以根据研究结果，设计更具吸引力的学习活动，提高学生使用 AI 数学工具的享乐动机。例如，通过创建与游戏化相关的应用指导，让学生在使用工具的过程中获得更多乐趣。同时，教师还应注重验证 AI 工具生成的答案，增强学生对工具的信任。开发者则应优化工具的界面设计，提高工具的易用性和功能性，以满足学生的需求。

然而，该研究也存在一些局限性。研究主要集中在工程专业学生在教育学术背景下对部分知名 AI 数学工具的感知和使用，未能涵盖所有类型的 AI 技术。此外，研究对外部因素的探索有限，且主要分析了学生的行为意向，对实际使用的研究相对不足。未来的研究可以在此基础上进行拓展，纳入更多类型的 AI 技术，探索更多外部因素的影响，并更深入地研究实际使用情况。

综上所述，这项研究深入剖析了工程专业学生对基于 AI 的数学工具的使用情况，为教育领域更好地应用 AI 技术提供了重要的依据，对推动教育技术的发展具有重要意义。该研究成果发表在《Acta Psychologica》上，为相关领域的研究和实践提供了有价值的参考。

研究方法

研究人员采用在线问卷调查收集数据，通过目的抽样选取正在学习数学相关课程的工程专业学生为样本。运用偏最小二乘结构方程模型（PLS-SEM）分析数据，探究各变量间的相关性和相互关系，以此来揭示影响工程专业学生对 AI 数学工具的接受感知及实际学术使用的因素。

研究结果

1. UTAUT3 对行为意向的影响：UTAUT3 及其各维度正向显著影响学生使用 AI 数学工具的行为意向。其中，享乐动机（HM）对 UTAUT3 影响最大，性能期望（PE）、习惯（HB）、个人创新性（PI）、促进条件（FC）、努力期望（EE）等也显著影响行为意向，价格价值（PV）影响相对较小。
2. SDT 相关因素的影响：感知能力（PC）和感知关联性（PR）显著影响行为意向，而感知自主性（PA）对行为意向影响不显著。
3. 信任的作用：信任（TR）对行为意向和实际使用均有显著影响。
4. 其他因素的影响：AI 数学工具的类型、使用频率和使用目的对学生的行为意向和实际使用有显著影响，而性别、年龄和年级对行为意向影响不显著，性别对实际使用有一定影响。

研究结论与讨论

研究表明，UTAUT3 的多个因素显著影响工程专业学生使用 AI 数学工具的行为意向，享乐动机、性能期望等因素至关重要。SDT 中的感知能力和感知关联性也有显著作用，而感知自主性影响不明显。信任对行为意向和实际使用都很关键，行为意向是实际使用的强预测因子。该研究为教育技术研究提供了理论和实践参考，有助于推动 AI 技术在教育领域的合理应用，但也存在局限，为后续研究指明了方向。