面向AI赋能设计工具的创造性自我效能、系统保证与持续使用意向：设计学生双路径模型

《Sage Open》：Creative Self-Efficacy, System Assurance, and Continued-Use Intention for AI-Enabled Design Tools: A Dual-Path Model Among Design Students

　　

摘要翻译：设计学生日益使用生成式AI工具，但后采纳研究尚未区分开放式创意工作中与持续使用相关的信念。该研究提出一个双路径模型，按来源和功能组织后采纳信念：AI辅助创造性自我效能（AI-assisted creative self-efficacy, CSE）指向用户，系统保证（system assurance, SA）指向对技术可靠性和胜任力的感知，感知有用性（perceived usefulness, PU）指向任务相关收益。研究人员从中国高校设计相关专业329名学生中收集数据；排除29份不变反应模式后，主样本为300，并使用全样本和更严格筛选样本进行敏感性分析。验证性因子分析（confirmatory factor analysis, CFA）和稳健最大似然结构方程模型（robust maximum likelihood structural equation modeling, MLR-SEM）支持所提结构，缩放χ²(72)=146.97，robust CFI=.948，robust TLI=.934，robust RMSEA=.068，90% CI [.052, .084]，SRMR=.054。创造性自我效能与有用性相关（β=.546），易用性与系统保证相关（β=.539），系统保证与有用性相关（β=.241）。间接关联在统计上非零，但因最终有用性—意向段应谨慎解释。感知有用性与持续使用意向（continued-use intention, CUI）无法在经验上令人满意地区分（潜变量相关r=.939；异质-单质比率（heterotrait-monotrait ratio, HTMT）=.924），将其相关约束为1未显著恶化拟合。平行前因设定按赤池信息准则（AIC）显示相当拟合。因此主要贡献涉及能力、交互易用性、感知可靠性和胜任力以及有用性的上游来源—功能组织；H4及相关间接关联被解释为统计上非零但概念上受限，而不是独立行为阶段的证据。

通俗语言摘要翻译：AI工具在设计教育中日益普遍，但学生可能因不同原因继续使用。该研究考察设计学生与AI进行创造性工作的信心、与AI工具交互的易用性及其对工具可靠性和胜任力的感知，与是否认为AI对设计工作有用之间的关系。调查数据来自中国高校设计相关专业学生。结果提示通向感知有用性的两条相关路径：感到更有能力创造性使用AI的学生倾向于认为AI更有用；认为AI工具更易用的学生也倾向于认为其更可靠和胜任，进而与更高感知有用性相关。有用性也与学生持续使用AI工具的意向强烈相关。然而，这两个评价在本样本中重叠过强，无法在统计上清晰分离。因此持续使用意向的发现应谨慎解释，不应被视为有用性导致独立行为意向阶段的证据。研究主要贡献是展示对用户自身创造能力的信念与对AI系统的信念如何以不同但互补作用塑造学生感知AI工具有用性。未来研究应考察随时间持续使用并纳入实际AI使用测量。

研究背景：AI已从边缘试验变为设计工作的常规要素。设计学生使用图像生成器、大型语言模型、视频系统以及嵌入创意软件的AI功能。该情境不同于高度规定的行政或交易性使用：设计任务常不完整、目标会在探索中变化、多个方案可辩护，工具可能易操作却对特定问题无用，也可能产出技术 polished 但细节不可靠、视觉语言泛化或难以贴合概念。后采纳研究中，具有不同心理意义的变量常被作为意向的平行预测变量，未区分信念来源和功能。设计教育要求学生界定问题、决定哪些输出值得推进、识别概念和视觉缺陷并将机器生成材料整合进连贯理由；对自身能力的信心属于用户能力信念，对系统可靠和胜任的判断属于系统保证信念，二者行为相关性取决于是否支持技术改善效率或质量的任务判断。因此该研究提出以有用性为中心的双路径模型，按来源—功能区分CSE（用户能力信念）、SA（技术可靠性与胜任力信念）和PU（任务绩效收益评价），贡献在于重构既有采纳信念的上游组织，而非提出全新的技术持续使用理论。

研究开展与结论：研究人员以329名中国高校设计相关专业学生为对象，主样本300，并以全样本329和更严格筛选样本278作敏感性分析；CFA和MLR-SEM支持所提结构，H1—H3获得支持，PU与CUI判别效度不足，H4及以CUI为终点的间接关联仅作受限解释。其意义在于表明信心、可用性、感知可靠性和胜任力与有用性并不承担相同概念功能。

主要关键技术方法：采用横断面在线问卷，2025年7月31日至8月25日经问卷星、主要经微信学术和学生网络招募中国高校设计相关专业在读且曾用AI辅助设计任务的个体；12名设计学生预试；获伦理批准并实施电子知情同意；原始329份完整记录，主样本300（排除15项态度题无个体内方差者29份），敏感性样本为全样本329和更严格278（另排除完成时间<60秒者）；测量CSE3项、PEOU3项、SA2项（原3项中剔除TRUST3）、PU3项、CUI3项；采用CFA与MLR-SEM，并进行替代模型和敏感性分析。

结果：
4.1 描述统计、测量充分性与剩余局限。通过描述统计、CFA和竞争测量模型比较得出：各构念均值高于量表中点，SA低于PU和CUI；14项五因子模型在常规ML中表现最好，χ²(67)=184.55，CFI=.940，TLI=.918，RMSEA=.077，SRMR=.052；PEOU的AVE=.476且PEOU3载荷=.527，收敛效度边缘；PU-CUI的HTMT=.924、潜变量相关=.939，Fornell-Larcker准则未满足，将相关约束为1未显著恶化拟合（缩放Δχ²(1)=3.09，p=.079），故保留二者但H4谨慎解释。
4.2 结构模型与直接假设。通过MLR-SEM得出拟合可接受：缩放χ²(72)=146.97，robust CFI=.948，robust TLI=.934，robust RMSEA=.068，90% CI [.052, .084]，SRMR=.054；H1 β=.546（p<.001）、H2 β=.539（p<.001）、H3 β=.241（p=.003）均统计非零，PU→CUI β=.926（p<.001）但判别效度不足，不解释为两个清晰分离的行为阶段；解释方差SA为29.1%、PU为44.9%、CUI为85.7%，最后R²不宜视为优异预测精度。
4.3 间接关联。通过稳健delta法得出CSE→PU→CUI β=.505，95% CI [.341, .702]；SA→PU→CUI β=.223，95% CI [.067, .308]；PEOU→SA→PU→CUI β=.120，95% CI [.045, .211]；三者统计非零，但均含PU-CUI段，不能作为纵向中介或清晰独立行为结局的证据。
4.4 替代模型与敏感性分析。通过四个结构设定比较得出：反向保证模型拟合更差（缩放χ²(72)=183.60，robust CFI=.923，robust TLI=.903，robust RMSEA=.083，SRMR=.073）；平行前因模型AIC仅低0.08，而BIC支持更简约的假设模型7.33；部分中介未显著改善（缩放Δχ²(4)=5.23，p=.264），新增路径均不显著；三样本中四条路径均正且非零；两指标CUI模型PU→CUI β=.923，PU-CUI重叠仍存在（约束相关为1未显著恶化，缩放Δχ²(1)=1.81，p=.179）。结论支持假设模型作为简约且可解释的结构组织，而非唯一时间序列证明。

讨论部分总结：最可辩护的贡献在上游来源—功能组织，而非证明独特心理过程。CSE与PU关联最强，符合社会认知理论，并与AI不消除设计判断而转移部分工作的观点一致；相关信心应通过可评估实践形成。PEOU与SA相关，提示交互清晰、可恢复和可修订可提供保证线索，但不证明底层模型客观可信；SA与PU关联较小但稳定，反映验证成本变化。PU与CUI高度耦合，不能解释为独立行为机制，未来应以日志、项目层面采用、工具切换或系统失败后坚持等行为结局检验。理论贡献包括按来源和功能区分后采纳信念、进行设计领域细化、保持构念纪律并透明报告重分析；实践上应围绕真实任务价值、校准依赖、交互清晰与可恢复、版本历史、来源信息、显式局限以及超越允许/禁止二元区分的课程政策。局限包括横断面设计、同源自报、未测确认/满意/习惯、SA仅两指标且事后剔项、PEOU收敛效度边缘、反应质量规则非预注册、重复IP未完全排除、样本集中于年轻学生和工业设计、工具指涉宽泛，且持续使用不等同教育收益。

结论翻译：该研究提出设计学生中具有AI赋能设计工具既往经验者未来使用意向的双路径模型。结构组织区分了用户能力信念、以感知可靠性和胜任力狭窄操作化的技术信念以及任务层面有用性评价。AI辅助创造性自我效能与感知可靠性和胜任力同感知有用性相关，感知易用性同两指标系统保证指标相关。最可辩护的贡献不是数据确立了独特心理过程，而是信心、可用性、感知可靠性和胜任力以及有用性并不承担相同概念功能。该上游来源—功能组织提供了观察关联的简约表示，并在稳健估计、反应质量规则和替代设定下保持稳定。有用性与持续使用意向之间非常高的关联仍是主要局限。本样本未建立PU与CUI令人满意的经验分离，因此H4及相关间接关联被解释为统计上非零但概念上受限的关联，而不是独立行为阶段的证据。该研究提供的是既往使用者未来使用意向的证据，而不是对实际持续使用行为的完整解释。在作出更强过程主张之前，需要使用独立验证测量、时间分离观察和后续行为使用进行重复研究。