青少年教育中的人工智能采纳：基于UTAUT2模型的心理与情境因素扩展研究

这篇研究基于统一技术接受与使用理论(UTAUT2)框架，创新性地整合问题性网络使用(PIU)和人工智能态度(ATAI)变量，通过933名意大利高中生样本(平均年龄16.20±1.29岁)揭示了绩效期望、社会影响等核心维度对AI使用习惯(解释方差36%)和行为意向(解释方差50%)的差异化预测机制，为理解青少年AI技术采纳的心理学机制提供了重要证据。

　　

青少年教育中的人工智能革命：心理机制与行为模式解码

引言

人工智能(AI)技术正在重塑教育生态，而处于认知发展关键期的青少年群体成为这场变革的前沿体验者。这项针对意大利高中生的研究创新性地扩展了统一技术接受与使用理论(UTAUT2)，通过整合问题性网络使用(PIU)和人工智能态度(ATAI)等心理变量，揭示了934名青少年(平均年龄16.20±1.29岁，54.98%女性)AI采纳行为的驱动机制。

AI教育的双面刃效应

教育场景中，以ChatGPT为代表的大型语言模型(LLMs)已成为68.6%学生的首选工具，主要用于学业支持(53.59%)和内容创作(38.59%)。研究证实AI确实能提供个性化学习支持，特别有助于STEM学科学习及特殊需求学生的教育包容。然而矛盾的是，过度依赖可能导致浅层学习，抑制批判性思维发展——这种"效率-依赖"悖论构成了AI教育的核心矛盾。

技术采纳的心理密码

验证性因子分析(CFA)显示扩展UTAUT2模型具有良好拟合度(CFI=0.95，RMSEA=0.051)。回归分析揭示：

• •

  绩效期望(β=0.165)和社会影响(β=0.262)是习惯形成的强力预测因子

• •

  享乐动机虽较弱(β=0.104)但显著

• •

  非意大利籍学生(β=-0.075)和职校生表现出更强的使用惯性

令人警觉的是，PIU与习惯形成存在显著关联(β=0.172)，暗示网络成瘾倾向可能"迁移"至AI领域。而ATAI仅与行为意向相关(β=0.085)，表明态度影响采纳决策但不足以维持长期使用。

教育实践的启示灯

研究建议采用"SPAIC"协同教育模型，将AI整合至通用学习设计(UDL)框架。具体可应用于：

• •

  制作概念图(concept maps)和思维导图(mind maps)

• •

  多语言教学材料自动生成

• •

  学习内容差异化适配

这些应用既能保持教学深度，又能满足不同学习者的需求。

未来探索方向

研究承认横断面设计的局限性，建议未来采用：

1. 1.

   纵向追踪设计捕捉行为演变

2. 2.

   多模态数据(如使用日志)补充自陈报告

3. 3.

   教师视角的质性研究

这项研究为理解数字原住民的AI采纳行为提供了关键理论框架，同时也为平衡"技术赋能"与"认知保护"的教育实践提供了科学依据。在AI席卷教育的时代浪潮中，如何培养青少年既善用技术工具又保持思维独立，将成为教育工作者面临的核心命题。