生成式人工智能在教学与学习中的感知：基于UTAUT与TPACK模型的师生研究

《Acta Psychologica》：Perceptions of generative AI in teaching and learning: UTAUT and TPACK model-based study of teachers and students

本研究聚焦生成式AI工具在教育领域的整合难题，基于UTAUT与TPACK理论框架，通过混合研究方法探索师生对AI应用的感知差异。研究发现AI虽能提升个性化学习与教学效率，但存在数据隐私、内容准确性及批判性思维培养等挑战，为发展中国家教育AI战略制定提供理论依据与实践启示。

　　

当ChatGPT等生成式人工智能工具以惊人速度渗透教育领域，一场关于技术赋能与教育本质的辩论悄然兴起。在发展中国家，这场变革更具复杂性：师生们既期待AI带来个性化学习的曙光，又担忧技术鸿沟加剧教育不平等。巴基斯坦一所公立大学的课堂里，教师们试图用AI优化教案设计，学生们则通过智能工具完成学术作业，但双方对AI的实际效用、伦理边界及长期影响存在显著认知差异。现有研究多集中于发达国家，缺乏针对发展中国家教育生态的深度剖析，更鲜有同时整合技术接受度（UTAUT）与教学整合能力（TPACK）的双视角研究。

为破解这一难题，郑州大学的研究团队开展了一项开创性研究，成果发表于《Acta Psychologica》。研究通过混合方法设计，结合针对244名大一学生和29名教师的问卷调查与半结构化访谈，采用SPSS 26进行定量数据分析，并借助NVivo 12软件对访谈文本进行主题编码。研究者借鉴已有量表设计五级李克特问卷，教师问卷聚焦AI对教案设计、学习行为及学术绩效的影响（26题），学生问卷则涵盖学习行为、学术绩效、使用挑战及未来期望四个维度（34题）。问卷信度经Cronbach's α检验分别达0.89和0.87，同时通过主题分析挖掘深层动机。

4. 研究发现

量化数据显示师生对AI教育价值总体持肯定态度。教师认为AI最显著优势在于个性化教案设计（均值4.26）及提升教学效率（均值4.19），但培训支持不足成为短板（均值3.52）。学生群体中，AI的工具易用性（均值4.11）与学业辅助功能（均值3.96）获较高评价，但对内容准确性（均值3.79）和数据隐私（均值3.85）存疑。尤为关键的是，双方均指出AI对促进批判性思维（均值3.71）和协作能力（均值3.84）作用有限。

5. 访谈数据发现

质性分析揭示出五大核心矛盾：其一，教师肯定AI资源整合效率，但担忧算法偏见侵蚀教育公平；其二，学生肯定AI即时反馈优势，却易产生认知依赖；其三，技术接入不平等加剧数字鸿沟；其四，AI生成的标准化内容与个体化学习需求存在张力；其五，伦理监管缺位使数据安全成为焦点议题。一名教师直言：“AI建议虽高效，但可能固化偏见，我们需要更透明的算法机制。”

6. 讨论

研究验证了UTAUT模型中绩效期望与努力期望对AI采纳的关键作用，但发现随着工具普及，用户对AI的效用评价呈现边际递减效应，这与Kanont等（2024）提出的“AI有用性悖论”相呼应。TPACK框架分析表明，教师的技术知识（TK）与教学法知识（PK）割裂是整合AI的主要障碍。与González-Calatayud等（2021）的发现一致，研究强调AI工具应定位为“辅助者”而非“替代者”，特别是在培养元认知能力方面。针对发展中国家语境，研究者提出“梯度整合”策略：优先在资源管理、个性化练习等场景试点，逐步扩展至核心教学环节。

这项研究首次在巴基斯坦高等教育语境中构建UTAUT-TPACK交叉分析模型，既揭示了AI教育应用的通用规律，也凸显了发展中国家特有的基础设施、文化认同与制度约束。其价值不仅在于证实技术接受度与教学整合能力的联动效应，更通过师生双视角的对比，为全球教育AI治理提供了南方国家的实践样本。正如论文结论所指，未来的AI教育革命需要超越工具理性，在技术创新与教育伦理之间寻找动态平衡。