感知易用性与有用性对学生使用人形机器人意愿的影响：基于扩展技术接受模型(TAM)的实证研究

推荐：本研究针对教育领域AI技术接受度不足的问题，基于扩展技术接受模型(TAM)，纳入新颖寻求与自我效能等个体特质，通过508名中国大学生的问卷调查，发现新颖寻求显著提升感知有用性(PU)，自我效能增强感知易用性(PEOU)，二者通过态度(ATT)间接影响使用意愿(BI)。研究为教育机器人设计推广提供了理论依据。

　　

随着人工智能(AI)技术的迅猛发展，人形机器人正逐步渗透到教育领域，为传统教学模式带来革命性变革。然而，当前教育系统面临诸多挑战：全球约30%的高校面临财政压力，师资短缺与劳动力成本上升等问题日益凸显。与此同时，尽管教育科技(EdTech)投资持续增长，但学生对AI驱动教育工具（如人形机器人）的接受度仍存在显著障碍。传统技术接受模型(TAM)研究多聚焦在线学习平台等常规技术，对高交互性、高智能化的新型教育工具关注不足。在此背景下，深入探究学生对人形机器人的接受机制，成为推动教育数字化转型的关键课题。

为破解这一难题，中国某高校研究团队在《Acta Psychologica》发表了一项开创性研究。该研究基于扩展版技术接受模型(TAM)，首次将学生个体特质（新颖寻求与自我效能）纳入分析框架，通过系统考察感知易用性(PEOU)和感知有用性(PU)的驱动因素，揭示了学生使用人形机器人行为意图(BI)的形成机制。研究采用横断面设计，对中国大陆508名18-25岁本科生进行问卷调查，运用SPSS 23.0和SmartPLS 4.0进行数据分析，构建了包含9个假设的结构方程模型。

关键技术方法包括：1) 采用7点Likert量表测量TAM核心变量(PEOU/PU/ATT/BI)及个体特质；2) 通过探索性因子分析(EFA)和验证性因子分析(CFA)检验量表信效度；3) 使用偏最小二乘结构方程模型(PLS-SEM)分析变量间路径关系；4) 通过平均变异抽取量(AVE)和组合信度(CR)评估判别效度。样本中65%受访者仅听说过人形机器人但未实际使用，研究者通过精心设计的测量项捕捉其主观预期。

研究结果呈现多重发现：

1. 个体特质的影响机制：新颖寻求对PU具有显著正向影响(β=0.569, p<0.001)，验证了H1假设，表明追求新鲜体验的学生更易认可机器人教育价值。但H2假设未获支持，新颖寻求与PEOU无显著关联(p=0.815)，暗示探索倾向未必降低使用难度认知。自我效能显著提升PEOU(β=0.805, p<0.001，支持H4)，但意外的是，其对PU的直接影响不显著(p=0.130)，推翻了H3假设，表明技术自信需结合具体功能认知才能转化为效用评价。

2. TAM核心路径验证：PEOU对PU的正向影响(β=0.223, p<0.05)支持H5假设，延续了经典TAM结论。PU与PEOU共同塑造态度(ATT)，路径系数分别为0.701(p<0.001)和0.163(p<0.05)，验证H6-H7。ATT对BI的强预测力(β=0.612, p<0.001)支持H8，PU还直接作用于BI(β=0.328, p<0.001)，证实H9，表明效用认知具有双重影响路径。

3. 理论突破与实践启示：研究突破传统TAM边界，揭示个体特质通过差异化路径影响技术接受：新颖寻求者更关注功能创新，而高自我效能者更重视操作便利。实践层面建议：1) 开发者应强化机器人交互设计与游戏化元素，满足新颖寻求需求；2) 教育机构需开展针对性培训提升学生自我效能；3) 政策制定者需建立教育机器人安全标准与师资培训体系。

讨论部分指出三项关键贡献：首先，拓展了TAM在教育机器人领域的适用性，证实个体差异的调节作用；其次，发现自我效能对PU影响的非显著性，提示人形机器人的具身性(embodiment)可能改变传统技术接受规律；最后，为AI教育产品的分众化设计提供实证依据。研究局限性包括样本地域集中、未涵盖K12群体及缺乏纵向数据。未来研究可结合眼动追踪等技术，探究实际交互情境中的认知机制，并跟踪技术熟悉度对接受度的影响动态。

该研究为教育数字化转型提供了重要理论锚点，其创新性体现在三方面：1) 首次系统考察人形机器人这一新兴教育科技的学生接受度；2) 构建"特质-认知-意图"的整合模型，弥补传统TAM对个体差异关注不足的缺陷；3) 为AI教育产品的精准推广策略提供科学依据。随着人形机器人技术日趋成熟，这些发现将助力教育工作者在技术创新与学习者需求间找到最佳平衡点。