《Heliyon》：From assistants to companions: An exploratory mixed-methods study of AI chatbot adoption among Generation Z students in Thailand
编辑推荐：
本研究以技术接受模型（Technology Acceptance Model，TAM）为敏感性框架，在泰国一所国际学院开展了一项探索性收敛混合方法调查，旨在探究本科Z世代学生如何采纳和使用AI聊天机器人。定量分析包括对改编自TAM和整合技术接受与使用统一理论（
本研究以技术接受模型（Technology Acceptance Model，TAM）为敏感性框架，在泰国一所国际学院开展了一项探索性收敛混合方法调查，旨在探究本科Z世代学生如何采纳和使用AI聊天机器人。定量分析包括对改编自TAM和整合技术接受与使用统一理论（Unified Theory of Acceptance and Use of Technology，UTAUT）的七项采纳指标进行描述性统计和探索性因子分析，而定性分析则采用大语言模型辅助、研究人员核验的编码方法，对127条和117条实质性开放式回答进行分析，以考察使用动机和期望功能。分析提示存在两个初步的采纳相关维度，即感知关系价值与社会认同，以及实际可及性，尽管因子保留标准在单因子与双因子之间存在分歧。几乎所有学生都将学业辅助选为使用AI聊天机器人的原因（92.4%）。当被专门问及AI伴侣时，学生最常提及信息获取与便利性（占实质性回答的27.6%），而个人与情感支持以及对伴侣使用的保留意见分别占回答的20.5%和19.7%。拟人化互动是最常被要求的功能类别（39.3%），其次是技术能力和学术工具（如引文支持）。本研究为泰国高等教育情境下的AI聊天机器人采纳提供了探索性横断面证据，并强调了在实用效用、关系期望和清晰的人机边界之间取得平衡的重要性。
一、研究背景与问题
近年来，人工智能的进步推动了多模态生成式AI（Generative AI，GenAI）系统的发展，这些系统能够整合文本、视频、图像、语音等多种模态，由此催生了AI聊天机器人这一能够进行自然情境化交互的对话式应用。与传统任务导向型AI系统不同，AI聊天机器人的能力已扩展至情感支持、个性化建议和心理咨询等领域。在众多采纳者中，Z世代作为伴随技术成长的数字原住民，已将AI聊天机器人广泛应用于个人生产力、学业支持、情感健康和社会参与等多个方面。然而，现有AI采纳研究多集中于西方情境，对非西方文化背景下学生如何感知和使用AI聊天机器人的理解十分有限。泰国国际学院的学生处于数字化密集、英语媒介、跨文化的教育环境中，其学业效用、同伴影响、语言支持和关系期望可能以独特方式交织，因此成为考察这一问题的适切情境。
本研究以技术接受模型（Technology Acceptance Model，TAM）为敏感性框架而非结构性检验模型，原因在于AI聊天机器人不同于许多早期教育技术，其价值不仅限于工具性或任务导向，还具有对话性、适应性、情感回应性和社会嵌入性。研究旨在回答三个问题：其一，从学生对AI聊天机器人采纳指标的回答中浮现出哪些TAM启示的采纳维度；其二，泰国高等教育情境下的Z世代学生如何在学业、信息、生产力和个人领域使用AI聊天机器人；其三，学生期望哪些聊天机器人功能，这些偏好如何反映其实用、社会、情感和关系期望。
二、研究方法
研究采用单阶段收敛混合方法设计，通过一份在线调查问卷同时收集定量和定性数据。定量部分包括封闭式使用条目和七项采纳指标，定性部分包含两道开放式问题。定量分析首先以Kaiser-Meyer-Olkin（KMO）度量和Bartlett球形检验评估七项采纳指标的抽样充分性，随后采用Horn并行分析、Velicer最小平均偏相关（MAP）检验确定因子保留数量，并以迭代主轴因子提取配合直接斜交旋转进行探索性因子分析（Exploratory Factor Analysis，EFA），以Cronbach's α和McDonald's ω评估各维度内部一致性。定性分析采用研究人员定义的编码手册，以大语言模型（Claude Opus 5.5）辅助初始编码并由研究人员逐条核验，两名编码者对随机子样本独立编码并以Cohen's κ评估一致性。样本为泰国玛希隆大学国际学院144名符合条件的本科生，数据收集于2024年9月25日至10月19日期间。
三、研究结果
3.1 描述性统计
受访者年龄18至24岁（M=20.06，SD=1.44），男性76人、女性67人，三年级学生占比最高（48.6%），商科专业占83.3%。使用频率方面，每周使用最为常见（59人），其次为每日使用（43人）；多数会话持续10至30分钟（75人）。封闭式条目显示，学业辅助是使用AI聊天机器人的首要原因（92.4%），其次为专业或工作任务（52.8%）和个人生产力（34.0%）。53.5%的受访者报告曾将AI聊天机器人用于个人事务、建议或陪伴，但多数人表示很少使用AI伴侣（65人），约七分之一报告每日使用。
3.2 探索性因子分析
七项采纳指标的EFA显示抽样充分性可接受（KMO=.751），Bartlett球形检验显著（χ2(21)=205.72，p<.001）。因子保留标准在单因子与双因子之间存在分歧：全相关矩阵并行分析和MAP检验支持单因子，而约简矩阵并行分析和Kaiser准则支持双因子。研究基于约简矩阵并行分析、Kaiser准则和可解释性保留双因子解，同时报告单因子解作为同样合理且更简约的替代方案。双因子解中，因子一命名为感知关系价值与社会认同，包含情感健康支持、社会互动增强、同伴影响和推荐意愿四项；因子二命名为实际可及性，包含感知易用性、学习直截性和资源可用性三项。两因子相关r=.495，表明二者相关但可区分。维度一内部一致性可接受（α=.704，ω=.711），维度二内部一致性一般（α=.654，ω=.671）。
3.3 开放式回答的定性分析
动机条目共127条实质性回答。信息获取与便利性是最常见类别（27.6%），学生将聊天机器人描述为比传统搜索更快更便捷的答案获取途径。个人、情感与对话支持（20.5%）涵盖个人事务建议、情绪处理、孤独感和闲聊，部分学生因其无评判性或私密性而看重此类支持。保留意见与非使用原因（19.7%）几乎同样常见，最普遍的保留意见是偏好人际关系（6条），其次为认为AI陪伴不真实或缺乏人情味（5条）。生产力和工作效率（19.7%）与学业支持（16.5%）紧随其后。期望功能条目共117条实质性回答。拟人化互动是最常见类别（39.3%），涵盖语音对话、情感理解、拟人化个性和友谊以及实体化身。增强技术能力与准确性（22.2%）涵盖图像视频分析、PDF和手写识别、数学准确性、信息实时性和免费访问。学业与学习支持（13.7%）涵盖引文与参考文献、抄袭检测、语法纠正和改写。至少属于三个任务导向类别之一（技术能力、学业支持、界面可用性）的回答共54条（46.2%），表明学生既期望功能能力也期望更自然的互动。
四、讨论与结论
研究识别出两个初步的采纳相关维度，其区分与助手模式和伴侣模式的概念区分相平行：实际可及性条目上同意度高且集中，关系性条目上同意度较低且分散。联合展示显示定量与定性发现在关系价值争议性和实际可及性广泛认可方面趋于一致，学业使用上的分歧则由条目措辞差异解释——开放式条目专门询问AI伴侣，因此引出关系性动机和保留意见而非主导一般聊天机器人使用的学业用途。概念综合表明，学生区分了AI聊天机器人擅长的领域与不应替代的领域：实用效用与关系性使用及明确的保留意见并存。教育机构应将AI聊天机器人采纳视为学习机会与治理挑战，提供明确的AI素养培训和学术诚信指南；开发者应优先考虑引文与来源透明度、多模态学业支持和隐私控制，并谨慎设计拟人化交互以维持支持性互动与模拟情感依赖之间的清晰边界；政策层面需建立透明且机构协调的治理框架，解决数据处理、隐私、学术诚信和过度依赖风险。研究结论指出，学生主要将聊天机器人用于学业支持和信息获取，同时也用于生产力、建议和有限的伴侣式互动，其期望具有双重性：既需要实用的学业工具，也重视在明确边界下更自然和拟人化的互动。未来研究应以更大规模、多机构样本、纵向设计和验证过的测量工具检验这些关系。
