在通用人工智能（GenAI）辅助学习的背景下，感知满意度、感知有用性以及互动学习环境作为预测大学生自我调节能力的因素：一项在中国大陆进行的实证研究

《Frontiers in Psychology》：Perceived satisfaction, perceived usefulness, and interactive learning environments as predictors of university students’ self-regulation in the context of GenAI-assisted learning: an empirical study in mainland China

感知有用性在GenAI辅助学习中显著影响自我调节与行为意向，信息系统质量与交互环境是关键驱动因素，混合方法验证了扩展的三层自我调节模型的有效性。

　　
本研究聚焦于人工智能生成工具（GenAI）在高等教育中的应用，特别是探讨学习者自我调节能力如何受技术、心理和环境因素影响。通过混合研究方法，结合结构方程模型（SEM）与访谈，研究揭示了GenAI工具与学习者行为之间的复杂关联，为教育技术应用和教学策略优化提供了理论支持与实践建议。

### 一、研究背景与意义
随着GenAI工具如ChatGPT和Baidu Ernie Bot在高等教育中的普及，其带来的效率提升与潜在风险并存。过度依赖工具可能导致批判性思维削弱、隐私泄露及学术诚信问题。研究基于Liaw和Huang（2013）提出的自我调节三层模型，将其扩展为八项核心变量，旨在填补现有文献中关于学习者自我调节机制的空白。该模型整合了个体特质（如自我效能感）、认知情绪（如焦虑）和环境因素（如系统质量），为理解GenAI对学习行为的影响提供了多维框架。

### 二、核心变量与理论模型
研究构建的理论模型包含以下八项关键变量：
1. **自我效能感**：学习者在使用GenAI完成任务的信心
2. **焦虑感**：对技术使用可能引发负面情绪的担忧
3. **信息系统能质量**：工具提供准确、完整信息的程度
4. **交互式学习环境**：师生、生生生成交互的技术支持
5. **满意度**：学习者对工具使用体验的整体评价
6. **有用性**：GenAI对学习目标达成的实际帮助
7. **自我调节能力**：学习者主动管理学习过程的水平
8. **行为意图**：持续使用GenAI工具的意愿

模型强调三重动态关系：个体特质通过技术质量影响认知体验（如有用性、满意度），进而驱动行为调节（自我调节）和长期使用（行为意图）。研究特别关注信息系统能质量的突出影响，发现其比传统变量（如自我效能感）更能解释学习者的技术感知。

### 三、实证研究结果
基于607名中国大学生的样本，研究通过SEM和访谈验证了以下发现：
1. **技术质量的主导作用**：信息系统能质量对学习者的有用性感知（β=0.32, p<0.001）和满意度（β=0.41, p<0.001）影响显著，超过其他环境因素。这表明工具本身的准确性和响应质量是影响学习体验的核心要素。
2. **情绪的中介效应**：焦虑感未直接作用于有用性或满意度（H2/H6未通过），但通过自我调节能力间接影响结果。访谈显示，多数学生已适应GenAI的技术门槛，更关注使用效率而非情绪负担。
3. **自我调节的传导路径**：有用性（β=0.27）比满意度（β=0.18）更能预测自我调节能力，而后者通过提升调节技能（β=0.23）间接促进持续使用。
4. **行为意图的关键驱动**：有用性（β=0.38）和自我调节（β=0.29）对行为意图的影响显著高于满意度（β=0.15）。
5. **部分中介效应**：有用性部分中介了信息质量与满意度（中介效应占比62%），同时调节交互环境与自我调节的关系（中介效应占比41%）。

### 四、实践启示与理论贡献
1. **教学策略优化**：
- 教师应优先选择技术质量稳定的工具（如准确率＞95%的AI系统）
- 构建支持式交互环境：将GenAI与小组讨论、作业批改等传统教学结合
- 设计阶梯式学习任务：利用GenAI生成基础案例，引导学生自主构建高阶思维模型

2. **技术开发建议**：
- 强化隐私保护机制（如端到端加密、匿名处理）
- 优化多模态交互界面（文字+图表+视频反馈）
- 增加错误纠正提示（如标注"该回答存在3处需要核实"）

3. **学生能力培养**：
- 开展"AI批判工作坊"，训练学生辨别生成内容真伪
- 设计"工具使用日志"，帮助学生监控技术依赖程度
- 建立"人机协作"评估体系，平衡技术应用与核心能力培养

### 五、研究局限与未来方向
1. **样本局限性**：聚焦数学专业学生且集中在江苏省，需扩大至师范院校不同学科及地域分布。
2. **纵向研究缺失**：未追踪学习者在GenAI使用中的动态变化，计划开展为期6个月的追踪研究。
3. **文化特异性挑战**：中国教育体系中的"标准答案"思维可能影响工具使用效果，需比较东亚与欧美学生差异。
4. **技术伦理盲点**：未涉及生成内容的版权归属问题，建议建立学术规范指南。

### 六、行业影响与政策建议
1. **教育数字化转型**：推动"AI+教育"标准制定，将系统响应速度（＜1.5秒）、内容准确率（＞90%）纳入评估体系。
2. **监管框架完善**：建议教育部门建立GenAI工具分级认证制度，区分基础问答（L1）、学术写作（L2）、复杂问题解决（L3）等应用场景。
3. **教师培训革新**：将"AI教学设计"纳入师范生必修课程，重点培养人机协同教学能力。

### 七、社会价值与长远意义
研究证实GenAI工具可通过提升学习自主性（自我调节能力）实现教育公平：在江苏省某高校试点中，使用优化GenAI工具的学生群体，其数学建模竞赛参与度提升47%，且低年级学生与高年级学生在工具使用效果上无显著差异（p=0.12）。这种普惠性技术支持有助于弥合数字鸿沟，特别在县域中学等资源有限场景中具有推广价值。

### 八、创新突破点
1. **模型创新**：首次将信息系统能质量纳入自我调节理论模型，揭示技术基础质量对学习行为的多级传导效应。
2. **方法创新**：采用"认知负荷-技术适配"适配模型，通过SEM验证工具响应速度（0.82±0.15秒）与学习效率（R2=0.63）的显著正相关。
3. **实践创新**：开发"AI使用成熟度量表"，从基础使用（Level 1）到创新应用（Level 4）建立四级评估体系，为教育机构提供工具评估参考。

该研究为GenAI在高等教育中的深度应用提供了重要参考，其构建的"技术-心理-行为"三维模型已应用于江苏省5所高校的智慧课堂改造项目，试点数据显示学生自主学习时间增加32%，课堂互动频率提升58%。后续研究可结合眼动追踪技术，深入解析用户与GenAI交互的认知过程，为个性化学习系统开发提供更精准的依据。