理解高等教育中学生生成式人工智能的使用：基于SEM-ANN对人工智能属性、行为原因和感知学习绩效的分析

《TECHNOLOGY IN SOCIETY》：Understanding Students’ Generative AI Use in Higher Education: A SEM-ANN Analysis of AI Attributes, Behavioral Reasons, and Perceived Learning Performance

　　

我们考察了影响学生对生成式AI态度的因素。行为推理理论（BRT）与AI属性被整合在一起。数据收集自395名生成式AI用户，并采用结构方程模型-人工神经网络（SEM-ANN）方法进行分析。SEM结果支持了大部分提出的假设。ANN结果表明，“采用理由”是影响学生态度的主要因素。

引言
生成式人工智能（AI），作为AI的一个特定类别，已在各行各业获得广泛关注（Foroughi等，2026）。它利用先进的深度学习模型生成不同形式的内容，包括音频、代码、图像、文本、模拟、3D设计和视频（Bhardwaj与Rastogi，2025）。与依赖预定义回复的传统聊天机器人不同，高级生成式AI技术（如ChatGPT）能够快速响应查询、撰写文章、精简文档并生成深入回复（Garcia，2025）。这包括创作广告文案、制作社交媒体内容以及用指定编程语言生成源代码（Liu与Lyu，2025）。随着这些工具向公众开放，它们越来越多地进入日常教育、职业和个人实践（Ooi等，2025）。其重要性不仅在于内容生成能力，还在于其在调解信息检索、问题解决、决策和人机交互中的日益增长的作用。

自2022年12月推出以来，作为生成式AI突出工具的ChatGPT已获得大量关注并引发高等教育领域的争论（Lang等，2025）。对其角色和效用的观点各不相同。一些研究强调AI工具对教育体验的优势，而另一些则识别出潜在缺点和非预期后果（Qian与Xie，2026）。在其潜在益处中，生成式AI可以提供个性化反馈、充当交互式虚拟导师、提供便捷的信息访问、协助研究并创建案例场景（Ooi等，2025）。例如，AI可以生成定制的教育内容，如量身定做的阅读材料或复杂的数学问题，有助于差异化学习方法。这种定制化可以使学习更具吸引力、动机性，并有利于知识保留（Nguyen等，2025）。现有研究已从多个角度考察了生成式AI，包括采用意图、伦理关切、信任、教育机会和技术影响（Hodzic等，2026）。然而，由于通常孤立地考察个体采用决定因素、伦理关切或使用意图，文献仍然碎片化。因此，它对学生的拟人化特征感知与采用/反对采用的理由如何与其态度、自报的生成式AI使用及感知学习表现相关联提供了有限的解释。这一局限性在理论上很重要，因为生成式AI与许多传统教育技术不同，它以对话方式交流，生成上下文敏感的回复，并可能被视为具有社交响应性或认知能力的学习伙伴。

对AI生成内容准确性、抄袭风险以及可能削弱学生批判性思维技能的关切也同样显著。近期研究提出了AI输出可靠性的问题，一些发现表明AI生成内容有时可能不准确或具有误导性（Vasir与Huh-Yoo，2025）。此外，通过AI轻松获取现成解决方案引发了关于学术诚信的重大关切，增加了抄袭风险和学生学习原创性下降的可能（Ooi等，2025）。此外，在解决问题时依赖AI与批判性和独立思考能力较弱有关（Qian与Xie，2026）。这些关切超越了采用的一般障碍，因为它们可能与学生对AI生成回复的信任校准方式相关。认为生成式AI高度胜任、响应迅速或拟人化的学生可能更重度依赖其输出，即使这些输出需要独立验证。因此，理解学生的态度和使用需要关注促使采用的益处以及可能鼓励信任、过度自信、认知依赖或依赖的感知特征。

马来西亚为考察这些关系提供了相关背景，因为其高等教育部门在积极推进数字化学习的同时，正在制定正式的政策和指导方针，以负责任地整合生成式AI（Bernama，2026）。这些发展将生成式AI的使用置于不断演变的制度和政策环境之中，在此环境中，大学必须在促进技术创新的同时维护学术诚信和有意义的学生学习。它们还增加了AI素养的重要性，特别是学生理解生成式AI局限性、批判性评估其输出以及判断何时其使用支持而非取代独立学习的能力。在马来西亚考察这些机制可以为寻求建立负责任的AI支持学习实践的大学和政策制定者提供情境相关的证据。

尽管学术关注度不断增加，但关于学生与生成式AI互动的理论解释仍不完整。传统技术采用框架，包括TPB、TOE及相关模型，主要强调认知、功利、组织或行为意图决定因素（Ivanov等，2024；Wael AL-khatib，2023）。虽然这些视角很有价值，但它们对学生如何解释生成式AI的社交响应性和认知能力，以及这些感知如何与鼓励或阻止其使用的具体理由共同发挥作用提供了有限的见解。行为推理理论（BRT）的相关性在于它捕捉了行为的特定情境“理由”和“反对理由”，从而解释了学生如何为其对生成式AI的评价提供辩护。然而，仅BRT并不能明确解释学生通过何种独特的感知属性体验交互式AI系统。

感知拟人化、感知活性（感知生动性）和感知智力弥补了这一局限，因为每一者都代表了人机交互背后的不同心理机制。感知拟人化反映了对生成式AI赋予人类特征的归因，可能加强社会存在感、人际熟悉度、信任和类似导师支持的感知（Bartneck等，2009）。感知活性捕捉了系统看起来响应迅速、交互性强和具有生命力的程度，可能与投入度和持续交互相关。感知智力反映了学生对系统知识、推理能力和情境胜任度的判断，这可能支持有用性感知，但也可能鼓励对AI生成输出的认知依赖或过度自信（Balakrishnan等，2022；Priya与Sharma，2023）。分别考察这些构念是必要的，因为一个系统可能看起来响应迅速但并未被视为拟人化，或者看起来智能但体验为社交上并不吸引人。将这些AI特定感知与BRT整合使模型能够同时捕捉学生如何体验生成式AI以及他们如何认知地为采用或抵制它提供辩护。此外，先前的教育研究主要强调采用意图或使用行为（Luo等，2026），留下了关于这些因素如何共同与自报的生成式AI使用及随后感知学习表现相关联的有限证据。

为解决这些空白，本研究开发了一个整合BRT与三个AI特定感知的理论模型，即感知拟人化、感知活性和感知智力。该模型考察这些属性与学生采用/反对采用的理由如何与其对生成式AI的态度相关联，态度如何与自报的生成式AI使用相关联，以及自报的生成式AI使用如何与感知学习表现相关联。具体而言，本研究追求三个目标：（1）考察AI特定属性和行为推理因素与学生生成式AI态度的关联；（2）探究学生态度与其自报生成式AI使用之间的关系；（3）评估自报生成式AI使用与学生感知学习表现之间的关联。通过在单一框架中连接AI特定感知、行为推理、态度、自报生成式AI使用和感知学习表现，本研究为教育生成式AI情境下的BRT提供了增量扩展。

模型发展与研究假设
本研究旨在考察AI功能属性和行为推理与学生生成式AI态度的关联，以及态度、自报生成式AI使用和感知学习表现之间的关系。采用或避免一项技术（如生成式AI）源于错综复杂的动机和阻碍网络（Claudy等，2015；Sreen等，2021）。为有效揭示这些动机和障碍，一个全面的理论……

研究设计
本研究采用定量横断面调查设计，以考察AI特定感知、行为推理、学生态度、自报生成式AI使用和感知学习表现之间提出的关联。与研究解释和预测目标一致，采用了整合偏最小二乘结构方程模型（PLS-SEM）和人工神经网络（ANN）的两阶段分析方法（Ooi与Tan，2016；Thabet等……

样本特征
表1展示了395名受访者的社会人口学概况。样本中女性学生比例略高（57.47%），大多数受访者年龄在18至34岁之间。学士学位学生代表了最大的教育群体（46.84%），大多数参与者处于第二或第三学年。关于生成式AI经验，45.06%报告定期使用，32.91%将自己认定为专家用户，每周使用是最频繁的……

讨论
本研究针对三个关于学生在教育情境中与生成式AI互动的目标进行了研究。第一个目标考察了AI特定属性和行为理由如何与学生态度相关联。结果表明，感知拟人化、感知活性、感知智力和采用理由与态度正相关，而反对采用的理由与态度无显著关联。第二个……

结论
本研究考察了AI特定属性和行为理由如何与学生生成式AI态度、自报生成式AI使用和感知学习表现相关联。使用来自395名马来西亚学生的调查数据和两阶段PLS-SEM-ANN方法，研究发现感知拟人化、感知活性、感知智力和采用理由与态度正相关，而反对采用的理由与……

CRediT作者贡献声明
Mohammed A. Al-Sharafi：撰写——原稿，可视化，验证，软件，资源，调查，正式分析，数据整理，概念化。Mostafa Al-Emran：撰写——审稿与编辑，撰写——原稿，资源，方法论，调查，正式分析，概念化。Shahla Asadi：撰写——原稿，资源，调查，正式分析，概念化。Noor Al-Qaysi：撰写——原稿，资源，方法论，概念化。

未引用参考文献
Dahri等，2024；Hair Jr等，2016；Wael AL-khatib，2023。

利益冲突
作者声明他们没有利益冲突。

数据可用性
本研究呈现的数据可应作者要求提供。

资金支持
本工作由Tenaga Nasional Berhad（TNB）和UNITEN通过BOLD Refresh博士后奖学金支持，项目代码为J510050002-IC-6 BOLDREFRESH2025-Centre of Excellence。

竞争利益声明
我们希望确认与本文出版无已知的利益冲突，且没有可能影响其结果的显著财务支持。我们确认所有署名作者均已阅读并批准了稿件，且没有其他符合作者资格但未列出的人员。我们进一步确认，稿件中列出的作者顺序已获我们所有人批准。

Mohammed A. Al-Sharafi | Mostafa Al-Emran | Shahla Asadi | Noor Al-Qaysi | Nazrita Ibrahim | Omid Ameri Sianaki