《IEEE Access》：Parental Behavioral Willingness Push-Pull-Mooring Mechanism:Research on the Adoption and Barriers of AIGC-Assisted Learning for Primary and Secondary School Students
编辑推荐：
编辑荐读为破解“家长为何对AIGC教育应用既爱又怕”难题，作者基于PPM理论对394名K-12家长开展SEM实证，发现“智能支持”拉力最大，“技术依赖”锚阻最强，首次揭示“风险感知-经济考量”抑制链，为教育AI可持续推广提供循证框架。
当“双减”遇上生成式人工智能，一批能即时出题、秒回疑问的AIGC工具迅速蹿红中小学教育圈。然而，家长群却出现“冰火两重天”：一边点赞“省妈神器”，一边担忧“孩子会不会从此不动脑”。技术红利与风险焦虑并存，使AIGC能否真正落地K-12课堂成为悬念。现有研究多聚焦教师或学生视角，对“真正买单的人”——家长——缺乏系统解释框架。为此，Zhilong An等学者借用移民研究中的推拉锚定（Push-Pull-Mooring，PPM）理论，将家长决策类比为“是否让孩子从传统学习迁移到人机协同新模式”，对394名已接触过AIGC的中国K-12家长展开问卷调查与结构方程建模，系统拆解“哪些推力让家长想逃离传统教育、哪些拉力吸引他们拥抱AIGC、哪些锚阻又把他们死死拽回”，从而为教育AI的可持续推广提供循证蓝图。论文最终发表于开放获取期刊《IEEE Access》。
研究方法精炼概括
研究者基于PPM框架设计9维度量表，通过问卷星发放并回收394份有效问卷（限定受访者已使用过AIGC工具），采用SmartPLS 4.0进行偏最小二乘结构方程建模（PLS-SEM），以Bootstrap 5000次检验路径显著性，结合信效度、区分效度、共线性及模型拟合度检验确保结果稳健。
研究结果
一、推力机制：家长对旧模式的不满
“内容覆盖面不足”（β=0.112，P=0.018）、“个性化支持不足”（β=0.099，P=0.034）与“互动性不足”（β=0.094，P=0.049）均显著正向预测行为意愿，验证了“问题感知-需求识别”驱动链。家长认为传统课堂知识更新慢、难顾及个体差异、互动反馈滞后，因此主动寻求AIGC补位。
二、拉力机制：AIGC的诱人优势
“智能支持”（β=0.220，P<0.001）、“学习资源便利性”（β=0.128，P=0.012）与“教育公平”（β=0.110，P=0.034）构成强力磁铁。家长相信AIGC能精准诊断学情、推送资源并弥合城乡差距，其中“智能支持”的效应量最大，成为首要吸引力。
三、锚阻机制：让决策搁浅的三只锚
“技术依赖担忧”（β=?0.113，P=0.026）、“智能效果质疑”（β=?0.093，P=0.029）与“迁移成本”（β=?0.088，P=0.030）显著负向抑制意愿，形成“风险感知-效果质疑-成本约束”三维压制模型。家长最担心孩子沉迷AI后独立思考退化，其次怀疑生成内容是否靠谱，再算账时间、金钱与精力成本。
四、综合解释力
三股力量共同解释57.8%的意愿方差，模型拟合优良（SRMR=0.040），证实PPM对“教育技术采纳”具有跨领域适用性。
结论与讨论
研究首次将“技术依赖焦虑”纳入PPM锚阻维度，揭示家长决策并非简单“好用就用”，而是在“系统补偿-效果期待-风险权衡”之间反复拉扯；强调若欲实现AIGC在K-12的可持续渗透，需优先消解“技术异化”恐慌，通过第三方内容认证、家校数字素养工作坊、城乡公益套餐等组合拳降低锚阻，同时强化个性化诊断与教育公平卖点，放大拉力。该框架为后续跨文化比较、政策评估及伦理治理提供了可扩展的理论接口与实证基线。
