基于扩展技术接受模型的医学生对生成式人工智能聊天机器人接受度研究

《BMC Medical Education》：Factors associated with generative AI chatbot acceptance among medical students with prior academic use: a cross-sectional study based on an extended technology acceptance model

　　

摘要

背景

生成式人工智能（GenAI）聊天机器人正日益融入医学教育领域，为学生提供按需的学习支持、临床推理辅助和学术任务帮助。然而，影响医学生对这些工具接受度的心理和技术因素仍缺乏充分的理解。本研究通过扩展技术接受模型（TAM），纳入人工智能素养（AIL）和感知安全与隐私（PSP）两个变量，探讨了具有GenAI聊天机器人先前学术使用经验的医学生的接受度，并考察了这些变量与感知易用性（PEOU）、感知有用性（PU）、对GenAI使用的态度（ATG）以及GenAI使用行为意愿（BIG）之间的关联。

方法

本研究于2026年5月至6月期间，在伊朗霍尔木兹甘医科大学（HUMS）的医学生中开展了一项横断面在线调查。纳入标准为曾将GenAI聊天机器人用于学术用途。数据通过结构化的自填问卷收集，并采用偏最小二乘法结构方程建模（PLS-SEM）进行分析。对测量模型的信度和效度进行了评估，结构模型则通过路径系数（β）、决定系数（R2）和效应量（f2）进行评价。

结果

在受邀的292名学生中，267人完成了问卷，其中252名具有GenAI聊天机器人先前学术使用经验的参与者纳入了最终分析（平均年龄22.64±2.28岁；女性147人[58.3%]）。测量模型表现出足够的信度和效度。AIL与PEOU呈正相关（β=0.479，p<0.001），PSP与PU呈正相关（β=0.157，p=0.005）。PEOU和PU均与ATG呈正相关，其中ATG与BIG的关联最为显著（β=0.524，p<0.001）。该模型解释了BIG 38.7%的方差，各内生构念的R2值在0.229至0.387之间。

结论

研究结果表明，医学生对GenAI聊天机器人的接受度不仅与TAM核心构念PEOU和PU相关，还受到AIL和PSP的影响，其中ATG与BIG的关联最为显著。加强人工智能素养培养并建立明确的隐私和安全政策，有助于GenAI聊天机器人在医学教育中的知情、负责任地整合应用。