人工智能辅助学习中的学业发展:中国大学生的必要心理条件

《Learning and Motivation》:Academic thriving in AI-assisted learning: Necessary psychological conditions among Chinese university students

【字体: 大 中 小 】 时间:2026年10月23日 来源:Learning and Motivation 4.4

编辑推荐:

   摘要 学术兴盛反映了学生持续的学习与活力。然而,对于人工智能(AI)支持大学学习时,学生实现学术兴盛所需的心理条件,目前知之甚少。本研究考察了自主性、胜任感和归属感是否是812名曾在学习中使用过AI的中国本科生实现学术兴盛的必要条件。研究对整体学术兴盛及其两个维度分别进行了

  

摘要

学术兴盛反映了学生持续的学习与活力。然而,对于人工智能(AI)支持大学学习时,学生实现学术兴盛所需的心理条件,目前知之甚少。本研究考察了自主性、胜任感和归属感是否是812名曾在学习中使用过AI的中国本科生实现学术兴盛的必要条件。研究对整体学术兴盛及其两个维度分别进行了必要条件分析和瓶颈分析。三种需求均为整体学术兴盛的必要条件。自主性与胜任感表现出相似的中度效应,而归属感效应略小。胜任感是学习的主要必要条件,而自主性则是活力的最强约束条件。在活力和整体学术兴盛的最高水平上,归属感的重要性逐渐增强。这些发现表明,AI支持的教育应加强胜任感、支持有意义的选择,并维持与教师和同伴的支持性关系。

引言

人工智能(AI)正通过生成式聊天机器人、智能辅导系统、自适应学习应用和自动反馈等方式被广泛应用于高等教育中(Deng等,2026,Fu等,2026,Yang,2026a,Yang和Yang,2026b)。这些工具可以提供即时解释、个性化指导和灵活的学习支持(Bond等,2024,Chen等,2026,Crompton和Burke,2023,Li,2026,Zhao和Yang,2026)。大学生报告称生成式AI有助于他们进行头脑风暴、写作、研究和个性化学习。同时,他们也表达了对准确性、依赖性和个人发展的担忧(Chan和Hu,2023,Liu,2024,Liu等,2026a)。实证研究进一步表明,学生可能会依赖AI辅助而未能完全从中学习,密集的AI支持可能会改变他们的自主学习过程(Chu和Yan,2024,Darvishi等,2024,Fan等,2025,Yang,2026a,Yang和Yang,2026b)。因此,学生在AI辅助学习中的成功不仅仅是完成任务或提高成绩,还涉及持续发展以及保持积极参与学习所需足够精力(Liu等,2026c,Wang,2026)。

学术兴盛通过学习(learning)和活力(vitality)两个维度来捕捉这两个方面(Spreitzer等,2005,Porath等,2012)。学习指知识、技能和能力的增长,而活力指感到精力充沛和心理上的活跃。这两个维度相关但仍有区别(Kleine等,2019,Liu等,2026d)。例如,学生可能借助AI改进作业,但获得的可迁移理解有限;也可能有效学习,同时感到被控制或疲惫。学术兴盛也不同于投入度(engagement)。投入度关注学生在行为、情感和认知方面的参与程度,而兴盛关注他们通过这种参与所经历的发展和精力(Kahu和Nelson,2018)。这一区别在AI辅助学习中尤为重要,因为更高的效率并不总能带来有意义的学习或持续的活力(Wang和Guo,2026;Wang等,2026,Wang等,2026)。

基本心理需求理论为解释该情境下支持学术兴盛的条件提供了一个有用的框架。作为自我决定理论的一部分,该理论确定了自主性、胜任感和归属感这三种基本需求,它们支持动机、发展和幸福感(Ryan和Deci,2000a,Ryan和Deci,2020b)。自主性指体验到自己的行为是自愿的和个人所接受的;胜任感指感到有能力满足学习要求;归属感指感到与他人有联系并被他人重视。这些需求是积极功能的重要心理资源(Vansteenkiste等,2020)。AI辅助学习可能通过提供更多选择、定制反馈和更便捷地获取帮助来支持这些需求(Zhou和Liu,2026)。然而,某些形式的AI使用可能会降低学生对学习的控制感,使他们对自己的能力产生不确定感,或削弱人际互动。

这些特定情境下的可能性与更广泛的教育文献中关于基本心理需求的研究是一致的。教育研究一贯将需求满足与自主动机、投入度、学业成就和幸福感联系起来(Bureau等,2022,Howard等,2021,Howard等,2025)。在AI支持环境中的研究也表明了这些需求的重要性。在聊天机器人支持的学习中,自主性和胜任感满足被发现能将学生的先前知识与自主学习联系起来(Xia等,2023)。在使用生成式AI聊天机器人的大学生中,自主性、胜任感和归属感的满足也中介了教师支持与投入度多个维度之间的关系(Guo等,2026,Li和Chiu,2025,Liu等,2026b,Wang等,2025)。这些研究表明,AI辅助学习的效益部分取决于学习环境是否支持学生的基本心理需求。

自主性对于学生体验AI辅助的方式可能尤为重要。它并不要求完全独立或无限选择。当学生理解并接受某项活动的目的时,即使遵循教师指导,他们也可能体验到自主性(Ryan和Deci,2000a,Ryan和Deci,2020b,Reeve和Cheon,2021)。AI工具可以通过允许学生选择问题、探索不同解释以及控制帮助的节奏和形式来支持自主性。相反,强制使用、固定建议或对AI生成答案的盲目接受可能会降低学生对学习的拥有感(Wang和Wang,2026a)。

有证据表明学生可能会对个性化的AI反馈产生依赖,这也引发了对其在学习过程中能动性的担忧(Darvishi等,2024)。因此,自主性可能鼓励有目的的探索,并帮助学生在AI辅助学习中保持活力。

胜任感与AI辅助活动是否带来真正的学习感密切相关。当学生理解期望、获得有用的反馈并能应对适当有挑战性的任务时,胜任感得以发展(Vansteenkiste等,2020)。AI可以提供解释、练习和即时反馈,帮助学生认识自己的进步。同时,流畅的AI生成输出可能包含错误或掩盖理解上的差距。学生还需要区分自己的能力和系统提供的表现(Wang等,2026,Wang等,2026)。研究表明,生成式AI可能改善即时任务产出,但不一定产生知识迁移的相似增益,并可能鼓励对外部支持的依赖(Fan等,2025)。因此,胜任感不仅是为了操作AI工具,更是为了评估、修改和从其输出中学习所必需的。

归属感为学术兴盛提供了社会基础。AI系统可以使解释和交流更加便捷,但它们也改变了学生、教师和机构之间的关系(Wang和Wang,2026b)。学生和教师均报告称AI可以在大规模支持下促进个性化互动,同时也会引发对能动性、监控和社会边界的担忧(Seo等,2021)。在生成式AI辅助学习中,教师支持仍然很重要,因为它可以满足学生的心理需求并增强其投入度(Li和Chiu,2025)。归属感可能通过反馈、合作和寻求帮助来支持学习,也可能通过维持归属感来支持活力,尤其是在AI成为学习过程的一部分时。

这三种需求是相关的但并不等价,它们的相对作用可能因结果和情境而异(Chen等,2015,King等,2024)。这种区分可能对学术兴盛的两个维度尤为相关。学习反映对知识、技能和能力增长的感知,而活力指精力和心理活跃感(Spreitzer等,2005,Porath等,2012)。鉴于这一区别,三种心理需求可能与这两个维度有不同的关联。胜任感关乎感到有能力满足学习要求和发展掌握感,因此在概念上与学生感知的学习和进步相关(Vansteenkiste等,2020)。相比之下,自主性关乎体验到自己的行为是自愿的和个人所认可的(Ryan和Deci,2000a,Ryan和Deci,2020b,Reeve和Cheon,2021),因此可能与学生在学习过程中体验到的精力和拥有感特别相关。归属感可能通过鼓励学生寻求澄清和讨论想法来支持学习,同时通过归属感和人际关怀来支持活力。这些假设的关联与兴盛研究中关系资源的重要性是一致的(Kleine等,2019,Spreitzer等,2005)。更直接的证据将自主性满足与大学学习活动中的活力联系起来(Johansen等,2025)。职场研究也将基本心理需求满足通过自主动机与兴盛的Learning和Vitality维度联系起来(Laguerre和Barnes-Farrell,2025)。加上关于关系资源与兴盛的证据(Kleine等,2019),这些发现支持考察三种需求如何与感知增长和精力相关联。然而,它们是否对AI辅助学习中的学习和活力设定了不同的最低要求,仍然是一个实证问题。

尽管AI在高等教育中的使用日益增长,现有研究大多集中在技术采纳、使用模式、绩效和投入度上。学生更广泛的心理功能受到了较少关注(Bond等,2024,Crompton和Burke,2023)。基本心理需求的研究主要依赖相关分析、回归和结构方程模型。这些方法有助于估计需求满足与学生结果之间平均或净效应的关系,但它们并不能直接检验是否存在一个心理需求的最低水平,该水平必须在高水平学术兴盛成为可能之前达到(Shi和Derakhshan,2026)。这一区别很重要,因为某个条件可能只表现出与兴盛的中度平均关联,但仍然为实现结果高水平设置了关键的最低界限。

必要条件分析(NCA)通过考察条件低水平是否限制了结果可实现的最高水平来解决这一问题(Dul,2016)。与传统净效应方法不同,NCA遵循必要但不充分的逻辑:达到某一结果可能需要条件的特定水平,但该条件单独存在并不能保证该结果(Shi和Zhang,2026)。瓶颈分析进一步估计达到不同期望结果水平所需的每个条件的最低水平,而置换检验评估必要性效应的统计显著性(Dul等,2020)。因此,NCA提供了一个互补的分析视角,用于识别自主性、胜任感和归属感是否构成学术兴盛的必要条件,以及它们在学习和活力之间所需的水平是否不同。

中国高等教育的研究将心理需求满足与学业投入度和活力联系起来,采用了结构方程模型和多层分析(Chen和Zhang,2022,Yu等,2020)。聚焦于学术兴盛的研究也通过回归和中介分析强调了动机和人际资源的作用(Wu等,2025,Zhou,2021)。分别分析学习和活力可以揭示整体兴盛分数可能掩盖的心理约束。例如,胜任感有限可能限制感知的学习和增长,而自主性有限可能限制活力,即使学生体验到了学习进步(Johansen等,2025,Vansteenkiste等,2020)。因此,三种需求可能在是否约束每个维度以及随着期望的学习或活力水平提高所需最低水平方面存在差异。这些可能性为比较维度特定的必要性效应和瓶颈水平提供了合理依据,同时将它们的实际模式留给实证检验。本研究通过考察整体学术兴盛作为主要结果并分别分析学习和活力来回答这一问题。研究关注哪些需求必须存在以及以什么最低水平存在,才能使学生在AI辅助学习过程中达到更高的学术兴盛。据此,提出以下研究问题:

RQ1:三种基本心理需求中的哪些构成AI辅助学习中整体学术兴盛的必要条件,它们的必要性效应和瓶颈水平如何比较?

RQ2:自主性、胜任感和归属感的必要性效应和瓶颈水平在学术兴盛的学习和活力两个维度之间有何差异?

## 章节摘要

### 参与者与程序

数据于2026年5月至7月通过问卷星——中国广泛使用的在线调查平台——收集。调查问卷链接通过方便抽样和滚雪球抽样方式分发,主要通过课程教师、学生同伴网络和基于大学的在线群组进行。问卷第一页说明了研究目的、参与自愿性以及数据的使用目的,同时告知学生可以在任何时间退出。

### 初步分析与测量评估

表2呈现了研究变量的描述性统计。均值得分从活力的3.282到学习的3.678不等。偏度值范围从?0.331到?0.184,峰度值范围从?0.416到?0.299。

这些数值表明不存在严重的单变量非正态性。五因素测量模型对数据的拟合效果良好,χ2/df = 1.622,CFI = .977,TLI = .975,RMSEA = .028,SRMR = .028。如表3所示,CR值范围为.888至.918,基本心理需要作为AI辅助学习中学业 thriving 的必要条件。研究发现,自主性、胜任感和归属感均制约着整体学业 thriving,这与基本心理需要理论的观点一致,即这些需要是积极功能发挥的基本资源(Ryan & Deci, 2000a; Ryan & Deci, 2000b; Vansteenkiste et al., 2020)。该发现还将这一观点扩展到了AI辅助学习领域。AI工具可以提供解释、个性化反馈和便捷的学术支持,但这些功能并不能消除学生的心理需求。CRediT作者贡献声明:刘华:撰写—审阅与编辑,撰写—初稿,指导,软件,方法论,资金获取,形式分析,数据管理,概念化。牛娟:可视化,软件,项目管理,方法论,资金获取,数据管理。王浦:可视化,验证,指导,资源。参与同意声明:研究中的所有个体参与者均已获得知情同意。出版同意声明:研究中的所有个体参与者均已获得出版的知情同意。利益冲突声明:作者声明,他们没有已知的竞争性经济利益或个人关系可能影响本文所报告的工作。刘华是中国河南农业大学文法学院副教授及硕士生导师,同时担任中国语言文学系主任。他的研究聚焦于中国传统音乐、古琴文化和非物质文化遗产。他目前是多项重点研究项目的首席研究员。刘华 | 牛娟 | 王浦
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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