超越“好”与“坏”:探究研究生在自愿使用人工智能技术过程中的信任感与抵触情绪
《TECHNOLOGY IN SOCIETY》:Beyond ‘Good’ or ‘Bad’: Investigating Trust and Techno-Resistance in Postgraduate Students’ Voluntary Use of AI Technologies
【字体:
大
中
小
】
时间:2026年01月07日
来源:TECHNOLOGY IN SOCIETY 12.5
编辑推荐:
诺尔扎伊迪·莫哈末·达乌德(Norzaidi Mohd Daud)
马来西亚森美兰州莎阿兰市40450,MARA理工大学商学院与管理学院
**摘要**
生成式人工智能(AI)的兴起为研究生教育带来了机遇与挑战。研究生们是否自愿采用AI,不仅受技术功能的影响,还受到对
诺尔扎伊迪·莫哈末·达乌德(Norzaidi Mohd Daud)
马来西亚森美兰州莎阿兰市40450,MARA理工大学商学院与管理学院
**摘要**
生成式人工智能(AI)的兴起为研究生教育带来了机遇与挑战。研究生们是否自愿采用AI,不仅受技术功能的影响,还受到对AI的信任度、内容质量以及学术诚信的看法的制约。本研究通过提出一个双路径模型来扩展技术采纳理论,该模型区分了自愿采纳的驱动因素与技术抗拒的驱动因素——这两者在以往的研究中常常被视为一回事。基于对马来西亚170名研究生的调查数据,研究发现功能信任(对AI稳定性和可靠性的信心)显著预测了其自愿使用情况(β = 0.168,p < 0.001)。相比之下,评估信任(对AI智力适用性和学术有效性的信心)并不会降低技术抗拒。这凸显了信任作用的不对称性:技术可靠性促进了采纳,但学术可信度并不会自动减弱抗拒情绪。研究还引入了“认知效用”这一概念,即人们对AI生成内容的丰富性、相关性和学术价值的感知。结果表明,认知效用是采纳行为的最强预测因子(β = 0.785,p < 0.001),这表明学生更看重内容质量而非技术可靠性。此外,系统可靠性虽然能降低技术抗拒(β = –0.176,p = 0.034),但采纳与抗拒的根源并不相同。值得注意的是,自愿使用对学术表现的提升效果(β = 0.270)优于抗拒行为(β = –0.210)。这些发现通过明确信任的差异性并引入认知效用这一关键视角,推进了我们对研究生利用AI行为的理解。
**引言**
诸如技术采纳模型(TAM)、技术接受与使用统一理论(UTAUT)和信息系统成功模型(ISSM)等技术采纳理论长期以来解释了用户对技术的接受程度是如何受到有用性、易用性和系统质量等因素影响的。然而,这些理论主要将采纳过程视为单向且理性的过程,侧重于接纳的驱动因素,而忽视了抗拒、脱离和拒绝等相反过程。在像ChatGPT、Google Bard和Microsoft Copilot这样的生成式AI技术快速发展的背景下,这一理论缺陷愈发明显。与机构强制推广的系统不同,研究生们会自愿选择使用或拒绝生成式AI工具,他们需要在效率提升与潜在的创造力、原创性和研究诚信风险之间进行权衡(Saeed Awadh等人,2023年)。
近期研究既指出了AI在学术工作中的潜力,也揭示了其潜在风险:一方面,研究表明生成式AI能提升创意、生产力和概念清晰度(Nguyen & Hekman, 2024; Fawns, 2023; Sorgner, 2023; Marta et al., 2024; Marta et al., 2024);另一方面,越来越多的担忧涉及抄袭风险、过度依赖以及学术自主性的侵蚀(Rudolph et al., 2023)。然而,关于研究生如何在这些矛盾中应对的实证研究仍较为有限。现有研究主要集中在系统层面(如可用性、自动化、透明度)的驱动因素上,而对影响采纳与抗拒的认知和行为机制关注不足。这引发了一个关键问题:尽管接触机会和潜在收益相似,为什么有些研究生会主动采用生成式AI工具,而另一些则持抵制态度?
为回答这一问题,本研究提出了研究生教育中AI采纳与抗拒的双路径模型。该模型将采纳与抗拒视为不同的心理和认知过程,而非单一连续体的对立两端。这一框架基于两个新的理论扩展:首先,研究区分了功能信任(对AI稳定性和可靠性的信心)与评估信任(对AI智力适用性和学术有效性的信心);这质疑了“较高信任度必然带来采纳”的传统假设,指出功能信任虽促进使用,但评估信任未必能减少抗拒。其次,引入了“认知效用”概念,用以反映学生对AI生成内容学术价值、丰富性和严谨性的认知。这一概念通过将认知评估纳入采纳或拒绝AI工具的决策过程中,扩展了现有技术采纳理论。
**研究方法**
本研究采用定量横断面调查方法,调查了六个变量之间的关系:系统可靠性、信息丰富度、对AI的信任、AI使用情况、技术抗拒和学术表现。研究对象为马来西亚的博士及硕士研究生,他们具有较高的学术自主性,并日益依赖生成式AI工具进行提案撰写、文献综述和论文写作。
**结果与讨论**
- **对AI的信任与自愿使用**:研究发现,对AI的信任显著影响了研究生的自愿使用行为(β = 0.168,p < 0.001),表明信任是采纳的促进因素;但评估信任对抗拒情绪并无明显影响。
- **信任的驱动因素**:研究显示,研究生对AI的信任更多地基于认知效用(内容质量),而非技术稳定性(系统可靠性)。这挑战了传统理论中“高信任度必然导致采纳”的观点。
- **认知效用的影响**:认知效用是采纳行为的最强预测因子(β = 0.785,p < 0.001),说明学生在选择AI工具时更重视内容质量。
- **采纳与抗拒的根源**:系统可靠性虽能降低技术抗拒(β = –0.176,p = 0.034),但采纳与抗拒的根源不同。
- **对学术表现的影响**:自愿使用对学术表现的提升作用(β = 0.270)优于抗拒行为(β = –0.210)。
**结论**
本研究通过澄清信任的差异性并引入认知效用,为理解研究生与AI的互动提供了新的理论视角。它不仅丰富了高等教育中关于AI的学术讨论,还为大学如何负责任地整合AI提供了实践和政策启示——即在创新、学术诚信和培养真正研究能力之间找到平衡。
**致谢**
诺尔扎伊迪·莫哈末·达乌德教授目前担任MARA理工大学商学院的教授,并被临时调任为MISI大学的注册主任。MISI大学是一所与麻省理工学院(MIT)合伙建立的研究生机构。作为杰出的学者和思想领袖,诺尔扎伊迪教授已在国际知名期刊上发表了130多篇同行评审论文。
**伦理声明**
- **伦理批准与同意**:本研究未涉及任何可能对参与者造成风险或伤害的程序,所有参与均为自愿行为,并在数据收集前获得了受试者的知情同意。
- **数据与材料获取**:本研究生成和分析的数据可向相应作者提出合理要求后获取。
- **利益冲突**:作者声明无任何可能影响论文结果的财务利益或个人关系。
**附注**
- **引用文献**:Al-Rahmi et al., 2021; Carter et al., 2016; Pham et al., 2022; Tan, 2023; Xiaodong et al., 2025.
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号